清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Anchor-based fast spectral ensemble clustering

计算机科学 聚类分析 光谱聚类 数据挖掘 人工智能 模式识别(心理学)
作者
Runxin Zhang,S Hang,Zhensheng Sun,Feiping Nie,Rong Wang,Xuelong Li
出处
期刊:Information Fusion [Elsevier]
卷期号:113: 102587-102587 被引量:1
标识
DOI:10.1016/j.inffus.2024.102587
摘要

Ensemble clustering can obtain better and more robust results by fusing multiple base clusterings, which has received extensive attention. Although many representative algorithms have emerged in recent years, this field still has two tricky problems. First, spectral clustering can identify clusters of arbitrary shapes, but the high time and space complexity limit its application in generating base clusterings. Most existing algorithms utilize k-means to generate base clusterings, and the clustering effect on nonlinearly separable datasets needs further improvement. Second, ensemble clustering algorithms should generate multiple base clusterings. Even if low-complexity algorithms are applied, the running time is also long, which seriously affects the application of ensemble clustering algorithms on large-scale datasets. To tackle these problems, we propose a fast K-nearest neighbors approximation method, construct an anchor graph to approximate the similarity matrix, and use singular value decomposition (SVD) instead of eigenvalue decomposition (EVD) to reduce the time and space complexity of conventional spectral clustering. At the same time, we obtain multiple base clusterings by running spectral embedding once. Finally, we convert these base clusterings into a bipartite graph and use transfer cut to get the final clustering results. The proposed algorithms significantly reduce the running time of ensemble clustering. Experimental results on large-scale datasets fully prove the efficiency and superiority of our proposed algorithm.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
28秒前
48秒前
huangzsdy完成签到,获得积分10
1分钟前
1分钟前
2分钟前
jun完成签到,获得积分10
2分钟前
2分钟前
2分钟前
明理从露完成签到 ,获得积分10
2分钟前
勤劳的木木完成签到 ,获得积分10
3分钟前
3分钟前
舒适涵山完成签到,获得积分10
3分钟前
爱静静应助breeze采纳,获得10
3分钟前
Zhangfu完成签到,获得积分10
3分钟前
3分钟前
4分钟前
4分钟前
4分钟前
5分钟前
5分钟前
薏仁完成签到 ,获得积分10
6分钟前
17852573662完成签到,获得积分10
6分钟前
muriel完成签到,获得积分10
7分钟前
7分钟前
7分钟前
7分钟前
qdlsc完成签到,获得积分10
8分钟前
所所应助qdlsc采纳,获得10
8分钟前
8分钟前
qdlsc发布了新的文献求助10
8分钟前
8分钟前
迅速的月光完成签到 ,获得积分10
8分钟前
实力不允许完成签到 ,获得积分10
8分钟前
8分钟前
Sandy完成签到 ,获得积分10
9分钟前
9分钟前
9分钟前
9分钟前
爱静静举报秦秦秦求助涉嫌违规
10分钟前
10分钟前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162343
求助须知:如何正确求助?哪些是违规求助? 2813330
关于积分的说明 7899736
捐赠科研通 2472848
什么是DOI,文献DOI怎么找? 1316533
科研通“疑难数据库(出版商)”最低求助积分说明 631375
版权声明 602142