基于圖模型的聚類算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術的高速發(fā)展和網(wǎng)絡資源信息的日益豐富，海量互聯(lián)網(wǎng)網(wǎng)頁同時涵蓋文本、圖像、視頻和音頻等媒體數(shù)據(jù)以及多種語言并存，呈現(xiàn)出跨媒體的特性。如果缺乏一套有效的檢索機制，從海量的跨媒體資源中搜尋信息無疑是大海撈針，因此，研究海量信息的跨媒體檢索機制至關重要。一般而言，用戶需要的檢索信息并不直接存在于被檢索資源中，而是需要搜索引擎對潛在的檢索結果作諸如摘要生成、分類、排重、聚類等智能處理，才能滿足用戶的檢索需求。 本文在廣

2、泛閱讀相關文獻、深入了解聚類算法的原理與應用的基礎上，主要針對基于圖模型的聚類算法，在算法的改進、應用上做了如下工作： 1.結合基于因數(shù)圖的仿射傳播聚類算法和k-中值多數(shù)投票算法的優(yōu)點，提出了使用松弛多根最小生成樹分配算法的投票分割式仿射傳播聚類算法，實驗結果證實了該算法的有效性。 2.提出了一種基于隨機分塊和投票聚類融合策略的聚類大規(guī)模數(shù)據(jù)集合的算法框架，并使用該算法框架對仿射傳播聚類算法進行了擴展，使

3、其能夠處理任意形狀的更大規(guī)模的數(shù)據(jù)集合，并驗證了該擴展的可行性和有效性。 3.對聚類分析在圖像搜索領域的應用進行了探索，提出了一個基于投票分割式仿射傳播聚類算法的圖片搜集模型。 本文的貢獻和創(chuàng)新主要體現(xiàn)在算法的改進和應用上： 1.提出了分割式仿射傳播聚類算法，它在實際聚類個數(shù)大于本質聚類個數(shù)時能在本質聚類上產(chǎn)生隨機的劃分，從而使其滿足投票策略對聚類生成器的隨機性的要求。 2

4、.提出了松弛多根最小生成樹分配算法，在基本保持聚類結果的隨機性的基礎上，減小了誤分配的概率。 3.將使用松弛多根最小生成樹算法的分割式仿射傳播聚類算法和投票策略結合在一起，并結合劃分一致性索引指標討論了如何選取合適的域值參數(shù)的問題。 4.提出了一種將時間復雜度和空間復雜度較高的聚類算法擴展到大規(guī)模數(shù)據(jù)集合應用上的算法框架--隨機分塊再融合，并用其對仿射傳播聚類算法進行了擴展，使其能處理更