简约支持向量聚类

作者：凌萍; 王喆; 周春光; 黄岚

来源：Z201008010, 2010, (08): 1372-1381.

• 支持向量聚类
• 简约策略
• 薛定谔方程
• 新的簇划分方法
• 特征空间几何性质 support vector clustering(SVC)
• reduction strategy
• Schrdinger equation
• new labeling approach
• geometric property of feature space

针对传统支持向量聚类(support vector clustering,SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering,RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完成优化过程.后者提出并证明了高斯核函数特征空间的几何性质,并以此设计方法完成对数据簇的辨识任务.理论分析和实验结果表明,和同类算法相比,RSVC可更有效地解决两个弊端,在实际应用中取得良好的聚类效果.

• 出版日期2010
• 单位江苏师范大学; 吉林大学