一种邻域粒谱聚类方法

谱聚类是一种无监督学习的聚类方法，其具有能够收敛至全局最优且适用于任意形状样本空间的优点.然而，传统方法构造的相似矩阵有时难以准确反映出数据之间的近似关系，从而导致聚类结果不佳.粒计算技术能够很好地解决这一问题.通过将数据邻域粒化，从粒子的视角重新衡量数据之间的近似关系，提出了一种基于邻域粒的谱聚类方法.首先，将样本的单一属性通过邻域粒化的方式形成邻域粒子；然后，将属于同一样本的粒子组合构造成粒子向量；接着，利用定义的2种邻域粒距离公式，对构造出的粒向量进行距离度量，并通过径向基函数生成相似矩阵，从而进行谱聚类；最后，使用UCI数据集进行验证，将谱聚类算法与邻域粒结合，从邻域参数和邻域粒向量的距离度量方式2个方面进行性能测试，并与传统聚类算法进行对比.实验结果表明，基于邻域粒构造的相似矩阵在谱聚类中是可行且有效的.