李　根，王亚刚，周小伟，张凤登

(上海理工大学 光电信息与计算机工程学院，上海 200093)



一种基于密度均值的谱聚类算法

李根，王亚刚，周小伟，张凤登

(上海理工大学 光电信息与计算机工程学院，上海 200093)

传统谱聚类算法在构造相似度矩阵时，高斯核函数参数选取的无规律性会对聚类结果造成严重影响。针对的这一缺陷，提出一种基于密度均值的谱聚类算法。与传统算法不同，该算法选取样本点到周围K个样本点的平均距离作为尺度参数，并引入样本点的密度信息，使得聚类结果更符合实际样本的分布。同时，由于相似矩阵能自适应不同的局部密度，使得该算法对样本的空间分布并不敏感。在不同类型数据集上的实验验证了算法的有效性和较高的鲁棒性。

谱聚类；平均密度；相似矩阵；多尺度

谱聚类是一种多尺度算法。近年来该算法在语音识别、图像分割[1]和文本检索中应用广泛，尤其是在大数据的分类上越发引起人们的重视。建立在谱图理论上的谱聚类算法具有将非线性不可分的样本点空间转化为凸样本分布的能力，相比于传统的聚类算法(如K-means)，其能在任意形状的样本空间上聚类且收敛于全局最优解[2]。

谱聚类算法具有比其他聚类算法更优越的数据聚类性能，但由于其本身在构造相似度矩阵时对尺度参数(核函数的宽度参数，控制了函数的径向作用范围)比较敏感，在处理多重尺度数据集时也存在结果不理想等问题。……