%0 Journal Article
%T 基于自适应nystr？m采样的大数据谱聚类算法
%A 丁世飞？
%A 贾洪杰？
%A 史忠植？
%J 软件学报
%P 2037-2049
%D 2014
%R 10.13328/j.cnki.jos.004643
%X 面对结构复杂的数据集,谱聚类是一种灵活而有效的聚类方法,它基于谱图理论,通过将数据点映射到一个由特征向量构成的低维空间,优化数据的结构,得到令人满意的聚类结果.但在谱聚类的过程中,特征分解的计算复杂度通常为o(n3),限制了谱聚类算法在大数据中的应用.nystr？m扩展方法利用数据集中的部分抽样点,进行近似计算,逼近真实的特征空间,可以有效降低计算复杂度,为大数据谱聚类算法提供了新思路.抽样策略的选择对nystr？m扩展技术至关重要,设计了一种自适应的nystr？m采样方法,每个数据点的抽样概率都会在一次采样完成后及时更新,而且从理论上证明了抽样误差会随着采样次数的增加呈指数下降.基于自适应的nystr？m采样方法,提出一种适用于大数据的谱聚类算法,并对该算法的可行性和有效性进行了实验验证.
%K 大数据
%K 谱聚类
%K 特征分解
%K nystr？
%K m扩展
%K 自适应采样
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4643&flag=1