基于Canopy聚类的谱聚类算法

计算机工程与科学

基于Canopy聚类的谱聚类算法

周伟，肖杨

（湖北工业大学机械工程学院,湖北武汉 430068）

收稿日期:2018-07-03 修回日期:2018-09-14 出版日期:2019-06-25 发布日期:2019-06-25
基金资助:
国家自然科学基金青年基金（51405144）

A spectral clustering algorithm based on Canopy clustering

ZHOU Wei，XIAO Yang

（School of Mechanical Engineering,Hubei University of Technology,Wuhan 430068,China）

Received:2018-07-03 Revised:2018-09-14 Online:2019-06-25 Published:2019-06-25

摘要/Abstract

摘要：

传统的谱聚类算法对初始化敏感，针对这个缺陷，引入Canopy算法对样本进行“粗”聚类得到初始聚类中心点，将结果作为K-Means算法的输入，提出了一种基于Canopy和谱聚类融合的聚类算法（Canopy-SC），减少了传统谱聚类算法选择初始中心点的盲目性，并将其用于人脸图像聚类。与传统的谱聚类算法相比，Canopy-SC算法能够得到较好的聚类中心和聚类结果，同时具有更高的聚类精确度。实验结果表明了该算法的有效性和可行性。

关键词: K-Means, 谱聚类, 初始化敏感, Canopy

Abstract:

The traditional spectral clustering algorithm is sensitive to initialization. Aiming at this defect, we introduce the canopy algorithm to conduct coarse cluster and get the initial clustering center as the input of the K-Means algorithm. Then we propose a spectral clustering algorithm based on canopy clustering (CanopySC) to reduce the blind selection of the initial center of the traditional spectral clustering algorithm. We apply the new algorithm to face image clustering. Compared with the traditional spectral clustering algorithm, the Canopy-SC algorithm can not only get better clustering centers and results, but also has a higher clustering accuracy. Experiments demonstrate its effectiveness and feasibility.

Key words:

Key words: K-Means, spectral clustering, initialization sensitivity, Canopy

周伟，肖杨 . 基于Canopy聚类的谱聚类算法[J]. 计算机工程与科学.

ZHOU Wei，XIAO Yang. A spectral clustering algorithm based on Canopy clustering[J]. Computer Engineering & Science.

[1]	刘浩翰, 孙铖, 贺怀清, 惠康华. 基于改进YOLOv3的金属表面缺陷检测[J]. 计算机工程与科学, 2023, 45(7): 1226-1235.
[2]	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(8): 1449-1456.
[3]	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(7): 1207-1215.
[4]	黄志强, 李军, 张世义. 基于轻量级神经网络的目标检测研究[J]. 计算机工程与科学, 2022, 44(7): 1265-1272.
[5]	袁泉, 晏飞扬, 文志云, 张振康, . 基于谱聚类的社交网络差分隐私保护算法研究[J]. 计算机工程与科学, 2022, 44(2): 251-256.
[6]	张瑾, 洪莉, 戴二壮. 求解带容量和时间窗约束车辆路径问题的改进蝙蝠算法[J]. 计算机工程与科学, 2021, 43(8): 1479-1487.
[7]	陈俊彦, 李玥, 梁楚欣, 雷晓春. SDN多控制器部署及流量均衡研究[J]. 计算机工程与科学, 2021, 43(5): 830-835.
[8]	苏小会, 张玉西, 徐淑萍, 尚煜. 改进K-means聚类算法行驶工况及油耗研究[J]. 计算机工程与科学, 2021, 43(11): 2020-2026.
[9]	谢挺, 刘瑞华, 魏正元. 一类连续的K-means 等价聚类模型及其优化算法[J]. 计算机工程与科学, 2021, 43(11): 2077-2083.
[10]	方姣丽, 左克, 黄春, 刘杰, 李胜国, 卢凯. FD-LSTM:基于大规模系统日志的故障分析模型[J]. 计算机工程与科学, 2021, 43(1): 33-41.
[11]	刘梓璇，周建涛. 负载均衡的主导资源公平分配算法[J]. 计算机工程与科学, 2019, 41(9): 1574-1580.
[12]	周钢,郭福亮. 基于信息熵的集成学习过程多样性度量研究[J]. 计算机工程与科学, 2019, 41(9): 1700-1707.
[13]	毛伊敏，刘银萍. 基于复合物参与度和密度的关键蛋白质预测[J]. 计算机工程与科学, 2019, 41(10): 1738-1748.
[14]	刘汉强，张青. 区间模糊谱聚类图像分割方法[J]. 计算机工程与科学, 2018, 40(9): 1611-1616.
[15]	王琳琳1，刘敬浩1，付晓梅2. 基于极限学习机与改进K-means算法的入侵检测方法[J]. 计算机工程与科学, 2018, 40(8): 1398-1404.