论文部分内容阅读
谱聚类算法中,当样本的簇边缘分布不均匀或不同簇边缘分布密度相近时,会导致错分现象。通过对相似度矩阵的改进,提出基于流形距离核的自适应迁移谱聚类算法。使用流形距离作为构造相似度矩阵的度量方法,共享近邻方法对相似度矩阵进行自适应调整,且使用加权距离自适应调节核参数,提高谱聚类对复杂数据集的处理能力。针对样本匮乏或受到污染时聚类效果不佳问题,引入迁移学习,利用源域知识指导目标域进行聚类。经实验验证,该算法性能优于传统谱聚类算法。