基于二部图的快速聚类算法

Journal of Shenzhen University(Science & Engineering)（2019）

引用 1|浏览2

暂无评分

摘要

谱聚类算法是一种可有效学习数据流形分布和非凸状分布的聚类算法, 但其过程涉及构建相似图、特征分解等高计算复杂度步骤, 难以直接用于大规模聚类.提出一种基于二部图的快速聚类算法 (fast clustering based on bipartite graph, FCBG), 通过对数据采样降低原有数据结构规模, 然后基于二部图学习采样数据和原有数据关系.通过对二部图对应的拉普拉斯矩阵施加秩约束, FCBG算法可在优化二部图的边的权重的同时, 保持二部图的类簇结构, 最终直接给出聚类结果, 不依赖构图时每条边的初始权重分配.算法计算复杂度与数据大小呈线性关系.实验表明, FCBG算法可有效学习二部图的权重, 并在较少的时间消耗下获得高质量的聚类结果.

查看译文

关键词

technology of computer application,clustering,large-scale,spectral graph theory,bipartite graph,rank constraint

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要