APP下载

一种基于统计流形的聚类算法

2021-03-19孙华飞宋扬罗翼昊孙福鹏

北京理工大学学报 2021年2期
关键词:实验

孙华飞, 宋扬, 罗翼昊, 孙福鹏

(北京理工大学 数学与统计学院,北京 100081)

传统的聚类方法,特别是K平均算法,严重依赖数据集的自身结构,无法将距离较远的同类数据聚为一类,并且抗噪能力有限,很难将随机出现的噪声与有效数据隔离开来[1-2].

一种自然的想法是利用邻域密度的差异对数据进行分类[2-5]. 本文利用局部统计将坐标信息转化为局部统计量以反映局部结构,将局部统计量相近的数据聚为一类. 具体地,用局部统计量作为参数确定一个特殊的参数分布,将所有数据点投射到参数分布所在空间(即参数分布族)得到参数点云. 构造分布族上参数点的方法较大程度地涵盖了原点云的局部信息,同时参数分布族的流形结构便于更精细的数据分析. 最后依据参数点云的聚类结果,对原始点云进行分类.

本文分别考虑多元正态分布族流形上的欧氏距离、Wasserstein距离和KL散度[6-9],并应用K平均算法,对参数点云聚类. 注意到对于非欧氏度量,K平均算法中涉及的重心不一定是算术平均,本文将分别讨论欧氏距离、Wasserstein距离和KL散度的几何平均.

最后,本文对含高密度噪声的斯坦福兔子点云数据进行去噪实验,讨论基于不同度量K平均算法的实验效果.

1 局部统计

在n维欧氏空间n中,记规模为m的点云为C:={pi∈n|i=1,2,…,m}.对任意的p∈C,采用k近邻方法选取邻域N(p,k),简记为N. 之后计算邻域N内数据点相对位置的均值E[N]-p和协方差Cov[N],分别记为μ(N)和Σ(N). 最后,将数据点表示为n元正态分布族流形Nn中……

登录APP查看全文

猜你喜欢

实验
记住“三个字”,写好小实验
记一次有趣的实验
有趣的实验
做个怪怪长实验
NO与NO2相互转化实验的改进
实践十号上的19项实验
《实验流体力学》征稿简则
我实验,我快乐