论文部分内容阅读
传统谱聚类算法在构造相似度矩阵时，高斯核函数参数选取的无规律性会对聚类结果造成严重影响。针对的这一缺陷，提出一种基于密度均值的谱聚类算法。与传统算法不同，该算法选取样本点到周围K个样本点的平均距离作为尺度参数，并引入样本点的密度信息，使得聚类结果更符合实际样本的分布。同时，由于相似矩阵能自适应不同的局部密度，使得该算法对样本的空间分布并不敏感。在不同类型数据集上的实验验证了算法的有效性和较高的鲁棒性。