支持向量和多中心点：非线性聚类的两大方法

发布日期：2013 年8 月29 日

预览
摘要

本内容试读结束

下载后可阅读完整内容，立即下载

：作为数据挖掘的基础方法之一，数据聚类被广泛应用各个不同领域，例如计算机科学、医学、社会科学和经济学等。根据类的样本点的分布，数据聚类问题通常可以划分成线性可分聚类和非线性可分聚类。由于现实世界的数据分布流形的复杂性，非线性聚类是最流行和最被广泛研究的聚类问题之一。本文首先从四个角度对非线性聚类的近期工作做一个简要的综述，包括基于核的聚类算法、多中心点聚类算法、基于图的聚类算法以及基于支持向量的聚类算法。接着，我们将特别地介绍我们在非线性聚类研究方面的两个主要工作，分别是位置正则化的支持向量聚类(PSVC)以及多中心点近邻传播算法(MEAP)。我们将介绍这些方法的优势与局限性，同时指出未来的研究方向。