互联网技术的飞速发展产生了海量的数据,从这些数据中提取出对实际生活有用的信息成了研究的热点问题。聚类作为一种经典的无监督机器学习方法因其可以获取数据的内在信息而被广泛研究。现实数据集通常质量参差不齐常会含有噪音样本和离群点,并且数据集的实际分布通常较为复杂。此外,在收集和存储数据的过程中还可能会出现数据部分信息缺失。而大多现有的谱聚类方法并未将这些问题考虑在内,导致模型的鲁棒性不强。本文重点研究具有复杂分布且含噪数据的聚类问题,旨在提高传统谱聚类的鲁棒性,特别对缺失和含噪声数据的处理能力以此来提升聚类效果。本文具体研究内容如下:(1)提出一种基于局部主成分分析的改进谱聚类算法。具体地说,本文首先通过自动学习对数据集中的样本进行挑选以削弱低质量样本对聚类模型的影响;然后应用局部主成分分析使得谱图分解后的低维数据较好地保留原始数据的全局和局部信息;接着使用连通图分解算法在不需要指定聚类个数的情况下输出聚类结果,最后通过距离远近对剩余样本进行聚类划分。(2)提出一种基于缺失值和自步学习的一步谱聚类算法。具体地说,使用一步谱聚类模型,将传统谱聚类的多步骤进行了融合,消除了中间步骤可能带来的累积误差;然后在此基础上融合对缺失值的处理,使得提出模型充分的利用缺失样本中的剩余信息;接着引入自步学习对样本进行重要性排序,在不同的学习阶段使用不同质量的数据缓解离群点和噪音样本对聚类模型的影响;最后对得到的聚类结果进行谱旋转,弱化随机超平面对谱图划分的影响从而使得到的聚类结果性能更佳。本文主要针对传统谱聚类算法需要预设聚类个数和无法处理含噪的缺失数据集等问题进行了改进研究。研究使用了局部主成分分析、连通图分解、自步学习、一步谱聚类、缺失值处理等技术。通过不同的评价指标在多个真实数据集上进行实验分析,结果显示本文提出的改进谱聚算法在各项评价指标中均优于所选的对比算法。在未来的工作中,本人考虑将神经网络的特征提取功能与传统聚类方法进行结合进一步提升算法性能。