拐点估计的改进谱聚类算法

摘要 针对现有谱聚类算法不稳定，处理复杂分布数据较困难，需要手动输入聚类个数的问题，利用基于快速搜索和密度峰的聚类算法CFSFDP(Clustering by Fast Search and Find of Density Peaks)，提出一种改进的谱聚类算法.本算法首先借鉴基于流形距离核的谱聚类算法计算数据的低维嵌入，将分布复杂或者类内不存在密度极值点的数据转换成类球状的低维嵌入代表点.接着，提出用CFSFDP算法代替基于流形距离核的谱聚类算法中Kmeans算法对低维嵌入进行处理.最后，基于CFSFDP算法的局部密度和距离属性的概念，提出拐点估计方法来自动确定聚类个数，获取聚类结果.实验表明，针对复杂分布的测试数据集，本算法能准确地确定聚类个数，获得很好的聚类效果，同时本算法需要输入的参数较少，且在一定范围内表现出较强的鲁棒性