自适应参数调整的近邻传播聚类算法

摘要 针对近邻传播算法的偏向参数以及聚类类数对聚类结果准确性的影响.本文提出了自适应参数调整的GKAAP算法.首先,为了选取更合适的偏向参数,在传统AP算法的基础上,利用灰色狼群优化算法(GWO)自适应调节偏向参数;然后,为了使得偏向参数能够在合理的区间内搜寻,利用二分查找算法动态更新偏向参数的上限、下限、中间值;最后,为了使得聚类个数更接近真实类数,同时不影响聚类结果的准确性,在算法迭代完成后,通过数据集的真实簇数k来对聚类结果进行约束调整.本文通过10个UCI数据集和ORL人脸数据库来做对比实验,然后从准确率、算法时间、聚类个数三个维度去分析,最终实验结果证明本文所提出的GKAAP聚类准确性更好,算法时间复杂度更低