針對(duì)譜聚類算法在解決高維、大數(shù)據(jù)量的聚類問(wèn)題時(shí)出現(xiàn)的效率不高和準(zhǔn)確率明顯下降的問(wèn)題進(jìn)行了研究，并在此研究基礎(chǔ)上結(jié)合最優(yōu)投影理論和Nystrom抽樣提出了基于最優(yōu)投影的半監(jiān)督譜聚類算法（semi-su-pervised spectral clustering based on the optimal projection，SSOP）。該算法從高內(nèi)聚低耦合的聚類目標(biāo)出發(fā)，根據(jù)少量的監(jiān)督信息計(jì)算類內(nèi)以及類間離散度求得最優(yōu)投影方向，從而區(qū)分各屬性的重要程度，在此基礎(chǔ)上使用了Nystrom抽樣來(lái)降低特征分解時(shí)間復(fù)雜度以達(dá)到在提高聚類算法準(zhǔn)確率的基礎(chǔ)上提高算法的效率。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地提高聚類的準(zhǔn)確率和效率。
?