论文部分内容阅读
对于一个K类问题,Ng-Jordan-Weiss(NJW)谱聚类算法通常采用数据规范化亲和度矩阵的前K个最大特征值对应的特征向量作为数据的一种表示.然而,对于某些模式识别问题,这K个特征向量不一定能够体现原始数据的结构.文中提出一种半监督谱聚类特征向量选择算法.该算法利用一定量的监督信息寻找能够体现数据结构的特征向量组合,进而获得优于传统谱聚类算法的聚类性能.UCI标准数据集和MNIST手写体数据集上的仿真实验验证该算法的有效性和鲁棒性.