%0 Journal Article
%T 基于局部和全局信息的正则化迭代聚类
%A 许小龙
%A 王士同
%J 南京师范大学学报(自然科学版)
%D 2014
%X 聚类是一种高效的数据分析方法,经典的k-means算法只适用于类簇为凸形的数据集,谱聚类算法虽然避免了k-means的一些缺点,但相似度中的参数设置问题以及较高的计算、存储复杂度对聚类有所限制.基于局部和全局信息的正则化迭代聚类,先取部分数据作为一个整体聚类,然后逐渐加入少量数据进行迭代求解.该方法继承传统谱聚类的优点,充分利用局部正则化和全局正则化信息,通过迭代方式求解使较大规模数据聚类成为可能.通过实验对比结果显示,该算法有良好的聚类效果.
%K 凸形
%K 谱聚类
%K 局部正则化
%K 全局正则化
%K 迭代
%U http://njsfdxzrb.paperonce.org/oa/darticle.aspx?type=view&id=201403004