[发明专利]一种基于谱旋转的一步谱聚类方法在审
| 申请号： | 201811187977.3 | 申请日： | 2018-10-12 |
| 公开（公告）号： | CN109409422A | 公开（公告）日： | 2019-03-01 |
| 发明（设计）人： | 朱晓峰;童涛;朱永华;郑威;张师超 | 申请（专利权）人： | 广西师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 桂林市华杰专利商标事务所有限责任公司 45112 | 代理人： | 覃永峰 |
| 地址： | 541004 广西壮*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于谱旋转的一步谱聚类方法，涉及计算机大数据信息技术领域，解决的技术问题是提供一种谱聚类步骤精简且聚类准确率高的谱聚类方法，该方法通过将关系矩阵的学习，谱表示的学习，k‑means聚类的优化和转换矩阵的学习集成到一个框架中，使用原始数据集的降低维度后的低维特征空间来学习关系矩阵，通过对原始k‑means结果的旋转来寻找较优的聚类划分超平面，得到较优的聚类划分结果。本发明精简了谱聚类步骤，对大数据的聚类时间复杂度为线性，编写代码时只涉及到简单的数学模型，易于实施且聚类准确率高。 | ||
| 搜索关键词： | 聚类 关系矩阵 大数据 准确率 低维特征空间 信息技术领域 学习 时间复杂度 原始数据集 划分结果 数学模型 转换矩阵 超平面 维度 计算机 优化 | ||
【主权项】：
1.一种基于谱旋转的一步谱聚类方法，其特征在于，通过将关系矩阵的学习，谱表示的学习，k‑means聚类的优化和转换矩阵的学习集成到一个框架中，使用原始数据集的降低维度后的低维特征空间来学习关系矩阵，通过对原始k‑means结果的旋转来寻找较优的聚类划分超平面，得到较优的聚类划分结果，包括如下步骤：(1)将关系矩阵的学习，谱表示的学习，k‑means聚类的优化和转换矩阵的学习集成到一个框架中，设立目标函数；(2)对目标函数进行求解，得出聚类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广西师范大学，未经广西师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811187977.3/，转载请声明来源钻瓜专利网。
