论文研究基于CMTFCM的自适应谱聚类算法.pdf

传统谱聚类对初值选取十分敏感，严重影响了聚类效果。为了解决初值敏感问题，提出了基于CMT-FCM（借鉴历史知识的类中心距离极大化聚类算法）的自适应谱聚类算法。该算法以样本空间的标准差作为尺度参数，实现了尺度参数的自适应选取，提高了算法效率；而通过借鉴历史知识，引入类中心距离极大化项，避免了干扰点对类中心的干扰，提高了算法鲁棒性。通过在模拟数据集以及真实数据集上的测验，取得了比传统谱聚类更稳定的聚类效果，验证了算法的有效性。