李泽明
- 作品数：4 被引量：10H指数：2
- 供职机构：重庆大学自动化学院更多>>
- 发文基金：中央高校基本科研业务费专项资金重庆市科技攻关计划国家电网公司科技项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于区域中心点的聚类算法被引量：5
- 2014年
- 聚类是数据挖掘领域中一个重要的分析手段。在基于密度的聚类算法DBSCAN的基础上,针对算法对输入参数较为敏感,以及对多密度层次数据集聚类质量不高的问题,提出了一种改进的基于区域中心点的密度聚类算法。该算法将不同密度层次的簇视为不同的区域,并基于区域中心点(区域密度最大的点)开始扩展其规模,直至达到由密度比例因子决定的区域边缘。为提高聚类准确率,在簇的扩展过程中,从候选核心点中发现核心点,加强了核心点的选取条件。实验表明,该算法降低了对输入参数的敏感性,改善了对密度分布不均匀数据集聚类效果,提高了聚类准确率。
- 范敏李泽明石欣
- 关键词：聚类DBSCAN
- K近邻的自适应谱聚类快速算法被引量：4
- 2015年
- 谱聚类算法建立在谱图划分理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。然而,谱聚类算法涉及如何选取合适的尺度参数σ构造相似度矩阵的问题。并且,在处理大规模数据集时,聚类的过程需要较大的时间和内存开销。研究从构造相似度矩阵入手,以传统NJW算法为基础,提出一种基于K近邻的自适应谱聚类快速算法FA-SC。该算法能自动确定尺度参数σ;同时,对输入数据集分块处理,并用基于K近邻的稀疏相似度矩阵保存样本信息,减少计算的内存开销,提高了运行速度。通过实验,与传统谱聚类算法比较,FA-SC算法在人工数据集和UCI数据集上能够取得更好的聚类效果。
- 范敏王芬李泽明李志勇张晓波
- 关键词：谱聚类K近邻自适应
- 基于路径相似度测量的鲁棒性谱聚类算法被引量：1
- 2015年
- 传统谱聚类算法受高斯核尺度参数的影响较大,对噪声点较为敏感,并且不能利用先验信息指导聚类过程。针对以上问题,提出了一种基于路径相似度测量的鲁棒性谱聚类算法(RPB-SC)。该算法将路径聚类与谱聚类算法相结合,通过定义高斯核的邻域加权尺度因子计算相似度,再用路径聚类思想对全局相似度进行调节,同时通过成对限制先验信息辅助聚类搜索。在人工数据集和真实数据集上的实验表明,新提出的算法能有效减弱高斯核尺度参数的影响,增强对噪声点的鲁棒性,提高聚类性能。
- 范敏李泽明石欣
- 关键词：谱聚类半监督聚类鲁棒性
- 基于路径相似度测量的谱聚类算法研究
- 聚类作为一种重要的数据分析手段,是机器学习、模式识别等领域的研究热点。聚类的目的是把对象按照性质上的亲疏程度分成多个类或簇,使得簇内的数据具有较高相似度,簇间的数据具有较高的相异度,它不考虑先验知识或假设,因此是一种无监...
- 李泽明
- 关键词：谱聚类算法相似度测量路径聚类鲁棒性图像分割
