一种基于密度聚类Nystrom抽样算法

J4 ›› 2012, Vol. 34 ›› Issue (11): 148-152.

一种基于密度聚类Nystrom抽样算法

唐文俊,左亚尧,张波,张祖传

(广东工业大学计算机学院,广东广州 510006)

收稿日期:2011-09-12 修回日期:2011-11-21 出版日期:2012-11-25 发布日期:2012-11-25

A Nystrom Sampling AlgorithmBased on Density Clustering

TANG Wenjun，ZUO Yayao，ZHANG Bo，ZHANG Zuchuan

(School of Computer Science,Guangdong University of Technology,Guangzhou 510006,China)

Received:2011-09-12 Revised:2011-11-21 Online:2012-11-25 Published:2012-11-25

摘要/Abstract

摘要：

核矩阵在很多机器学习算法中发挥了重要作用,但核矩阵处理的开销非常大。Nystrom方法是流行的抽样方法，抽样使得在处理较大型核矩阵时减少了计算负担。但是，Nystrom方法抽样时采用的是对矩阵进行行、列随机抽样，所以使得准确性受到影响。本文提出了一种基于密度的聚类Nystrom方法，使用密度类算法选出的中心点作为标志点，通过提高聚类的速度和质量来提高Nystrom方法的速度和质量，从而提高了抽样的效率和准确性。

关键词: Nystrom方法, 聚类, 标志点

Abstract:

Nuclear matrix has played an important role in many machine learning algorithms,but its calculation is very large. As a popular sampling method,the Nystrom sampleing algorithm reduces the computational burden of dealing with larger nuclear matrix.However,the Nystrom method is based on random sampling from rows or columns of a matrix,affecting the accuracy.The paper presents a Nystrom method based on density clustering,which employs the algorithm based on density clustering to select a symbol of the center point as landpoints,Therefore,the speed and quality of the Nystrom method can be improved by increasing the speed and quality of clustering,as well the sampling efficiency and accuracy will be promoted.

Key words: Nystrom method；clustering；landpoints

唐文俊,左亚尧,张波,张祖传. 一种基于密度聚类Nystrom抽样算法[J]. J4, 2012, 34(11): 148-152.

TANG Wenjun，ZUO Yayao，ZHANG Bo，ZHANG Zuchuan. A Nystrom Sampling AlgorithmBased on Density Clustering[J]. J4, 2012, 34(11): 148-152.

[1]	谢斌, 李燕伟, 杨舒敏, 徐燕, 王冠超. 结合图像分解和自稀疏模糊聚类的情感颜色迁移[J]. 计算机工程与科学, 2025, 47(03): 513-523.
[2]	陆刚, 肖金梅, 王向文, 蒋芸, 蔺想红. 基于表观token和标志点token的头影解剖标志点定位模型[J]. 计算机工程与科学, 2025, 47(02): 308-316.
[3]	卢建云, 邵俊明. 基于多层次密度中心图的聚类算法[J]. 计算机工程与科学, 2025, 47(02): 327-335.
[4]	蔡发鹏, 冯骥, 杨德刚, 陈仲尚. 基于自然邻域图划分的层次聚类算法[J]. 计算机工程与科学, 2025, 47(02): 370-380.
[5]	刘合兵, 孔玉杰, 席磊, 尚俊平. 融合注意力机制的解耦对比聚类[J]. 计算机工程与科学, 2024, 46(12): 2261-2270.
[6]	李猛, 刘姿邑, 宋宇航. 基于双重自表达与最大熵原理的深度子空间聚类算法[J]. 计算机工程与科学, 2024, 46(09): 1685-1692.
[7]	柴旭清, 乔一航, 范黎林, . 一种基于随机森林分类器构建高性能应用程序性能分析模型的方法[J]. 计算机工程与科学, 2024, 46(07): 1218-1228.
[8]	宋鑫海, 韩京宇, 郎杭, 毛毅. 滑动窗口投票策略的QRS波群形态识别[J]. 计算机工程与科学, 2024, 46(02): 272-281.
[9]	钟卓辉, 陈黎飞, . 基于模型的非凸聚类算法[J]. 计算机工程与科学, 2024, 46(02): 292-302.
[10]	肖振国, 陈林书, 孙少杰, 梅本霞, 柳媛慧, 赵磊. 基于代数粒的聚类方法[J]. 计算机工程与科学, 2024, 46(01): 150-158.
[11]	王若宾, 耿芳东, 张永梅, 宋威, 王伟锋, 徐琳. 基于改进自适应DBSCAN的混合式MOOC视频观看模式挖掘[J]. 计算机工程与科学, 2023, 45(09): 1670-1678.
[12]	李帅, 常锦才, 李吕牧之, 蔡昆杰, . 基于差分隐私保护的Stacking集成聚类算法研究[J]. 计算机工程与科学, 2022, 44(08): 1402-1408.
[13]	李兰, 刘杰, 张洁. 基于YOLOv4改进算法的复杂行人检测模型研究[J]. 计算机工程与科学, 2022, 44(08): 1449-1456.
[14]	陈奉贤. 基于NR-Transformer的集群作业运行时间预测[J]. 计算机工程与科学, 2022, 44(07): 1181-1190.
[15]	庞兴龙, 朱国胜, 杨少龙, 李修远. 一种基于聚类与噪声的网络流量分类方法[J]. 计算机工程与科学, 2022, 44(07): 1207-1215.