图论划分准则下聚类性能分析.docx

资料分类:精选论文 上传会员:一抹彩虹 更新时间:2019-12-27
需要金币2000 个金币 资料包括:完整论文 下载论文
转换比率:金额 X 10=金币数量, 例100元=1000金币 论文字数:4569
折扣与优惠:团购最低可5折优惠 - 了解详情 论文格式:Word格式(*.doc)

摘要:数据的分类是模式识别,机器学习等领域的基本问题,在没有先验知识的条件下,仅凭数据在样本空间中的分布情况将其分门别类,凸显出样本间的共性与异性。分类的效果评价在于同类个体之间的相似度高,不同类个体之间的相异度大,对于外来的新样本能够保持分类的稳定性。

本文首先介绍了关于图论的一些概念,基于图论划分准则下的谱聚类算法。然后在matlab中选取了数据点,基于聚类的紧密度与分离度两个维度作为评价指标,通过编程实验得出在PF算法,SM算法,以及SLH算法中,SM达到了较好的聚类效果,即SM算法既能最大化的使类内数据保持较高的相似性,又能使类间数据相似度较低。

关键词:数据分类;图论;图论划分准则;谱聚类算法 

 

目录

摘要

Abstract

第1节 引言(引入谱聚类算法的定义,介绍国内外研究现状,及论文的意义或目标)-2

第2节 基本理论-2

2.1图的定义和基本概念-2

2.2谱图划分准则-4

2.2.1 最小割集准则(Minimum cut)-4

2.2.2 规范割集准则(Normalized cut)-4

2.2.3 比例割集准则(Ratio cut)-4

2.2.4 平均割集准则(Average cut)-4

2.2.5 最小最大割集准则(Min-max cut)-5

2.3 相似矩阵、度矩阵和拉普拉斯矩阵-5

2.4 势函数、Fiedler向量及谱-5

第3节 谱聚类算法-6

3.1 PF算法-6

3.2 SM算法-6

3.3 SLH算法-7

第4节 实验和结果分析-8

4.1 数据集的选取-8

4.2 实验结果分析-9

4.2.1 PF算法结果-9

4.2.2 SLH算法结果-10

4.2.3 SM算法结果-11

4.3 聚类效果分析-12

第5节 结论-13

参考文献-14

相关论文资料:
最新评论
上传会员 一抹彩虹 对本文的描述:谱聚类算法首先将聚类问题转化成图的最优划分问题,之后运用图的谱图理论知识来解决问题。本文主要叙述了图的定义和一些基本概念、谱图划分准则和谱聚类算法,以对谱聚类算法......
发表评论 (我们特别支持正能量传递,您的参与就是我们最好的动力)
注册会员后发表精彩评论奖励积分,积分可以换金币,用于下载需要金币的原创资料。
您的昵称: 验证码: