基于核函數(shù)的譜嵌入聚類KSEC模型

　　譜嵌入聚類（SEC）算法要求樣本滿足流形假設(shè)，樣本標(biāo)簽總是可以嵌入到一個線性空間中去，這為線性可分?jǐn)?shù)據(jù)的譜嵌入聚類問題提供了新的思路，但該算法使用的線性映射函數(shù)不適用于處理高維非線性數(shù)據(jù)。針對這一問題，通過核化線性映射函數(shù)，建立了基于核函數(shù)的譜嵌入聚類（ KSEC）模型，該模型既能解決線性映射函數(shù)不能處理非線性數(shù)據(jù)的問題，又實現(xiàn)了對高維數(shù)據(jù)的核降維。在真實數(shù)據(jù)集上的實驗分析結(jié)果表明，使用所提算法后聚類正確率平均提高了13. 11%，最高可提高31. 62%，特別在高維數(shù)據(jù)上平均提高了16. 53%，而且在算法關(guān)于參數(shù)的敏感度實驗中發(fā)現(xiàn)算法的穩(wěn)定性更好。所以改進后的算法對高維非線性數(shù)據(jù)具有很好的聚類效果，獲得了比傳統(tǒng)譜嵌入聚類算法更高的聚類準(zhǔn)確率和更好的聚類性能。所提方法可以用于諸如遙感影像這類復(fù)雜圖像的處理領(lǐng)域。