典型文献
基于图滤波的快速谱聚类
文献摘要：
谱聚类是一种无监督学习方法,在许多环境中都能高效地进行应用,且易于实现,已经成为非常流行的聚类算法之一.然而谱聚类仍面临两个主要的问题:(1)如果数据量过大,在对拉普拉斯矩阵进行特征分解时,需要大量的计算;(2)k-means在面对大量数据时也会有计算时间过长的缺陷.为了克服这两个缺陷,文章提出了一种基于图滤波的快速谱聚类算法(Fast Spectral Clustering via Graph Filtering,FSCGF),通过对随机信号进行滤波生成伪特征向量,克服了拉普拉斯矩阵的特征分解的困难,通过抽样的方法减少数据规模,加快k-means聚类的计算过程.最后在不同的数据集上进行了测试,研究结果表明,FSCGF改善了聚类的时间复杂度,并且利用优化过程减少了误差,同时提高了聚类精度,证明了FSCGF的有效性.
文献关键词：
谱聚类;图滤波;图信号处理;快速谱聚类;抽样与重构
中图分类号：
作者姓名：
倪中源;刘惊雷
作者机构：
烟台大学 计算机与控制工程学院,山东 烟台 264001
文献出处：
引用格式：
[1]倪中源;刘惊雷-.基于图滤波的快速谱聚类)[J].山西大学学报（自然科学版）,2022(01):1-14
A类：
快速谱聚类,FSCGF,抽样与重构
B类：
图滤波,无监督学习,多环境,常流,数据量,量过大,拉普拉斯矩阵,特征分解,means,计算时间,谱聚类算法,Fast,Spectral,Clustering,via,Graph,Filtering,随机信号,特征向量,少数据,时间复杂度,聚类精度,图信号处理
AB值：
0.304551
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
