欧拉聚类(Euler Clustering)
来源:互联网 发布:软件测试中心 编辑:程序博客网 时间:2024/04/28 03:47
Euler Clustering, Jian-Sheng Wu, Wei-Shi Zheng, Jian-Huang Lai, IJCAI2013
本文地址:http://blog.csdn.net/shanglianlm/article/details/47830823
1 简介(Introduction)
Euler Clustering 作为一种特殊的 Kernel k-means 聚类算法,明式地映射实数空间的数据到相同维数的复数空间,使得它可以有效地处理大规模问题。
2 预备知识(Preliminary)
2.1 基于 Kernel 的 k-means(Kernel k-means)
Kernel k-means 首先使用一个核函数隐式的把数据点从原空间映射到 RKHS 空间(无限维空间数据线性可分),然后在 RKHS 空间 对数据进行聚类。
具体来说,为数据集,为映射函数,C 为聚类个数。kernel k-means 使用 通过最小化 distortion error 来聚类:
其中
获得最优的
但是由于数据点在 RKHS 空间的隐式表示,因此 cluster prototypes 不能被明式表示,因此只能使用 kenel trick 来计算
明显它要求较大的内存来存储 full kernel matrix 。每次迭代要求
2.2 欧拉 Kernel(Euler Kernel)
不同于一般的 Mercer 核, Euler Kernel 矩阵 定义在复数空间(complex space)。Euler Kernel 矩阵的 第 (j, q) 个元为
此外我们有
Euler kernel 映射数据从 d 维实数空间(real space ) 到 d 维复数 RKHS 空间(complex RKHS space )
其中 i 为虚数单位 ( imaginary unit)。
因此, RKHS 中 两个映射点的平方Euclidean距离函数 d( ; )
这里 d 为一个实数。所以尽管 kernel matrix 定义在复数空间,d 仍然可以用来度量两个点之间的相似度。
3 欧拉聚类(Euler Clustering)
Euler kernel 明式地映射数据从实数空间到复数空间,它在复数空间的映射可以明式地表示。因此, cluster representative prototype
根据 kernel k-means,有最优的
由(6)有
由此我们推导出 Euler clustering 的准则:
全部的算法如下:
时间复杂性:
参考及引用文献
[1] Euler Clustering
[2] [Euler Principal Component Analysis] ()
- 欧拉聚类(Euler Clustering)
- 聚类分析(Clustering Analysis)
- 谱聚类(spectral clustering)
- 聚类分析(Clustering Analysis)
- Spectral Clustering(谱聚类)
- 谱聚类(Spectral Clustering)
- clustering
- Clustering
- Clustering
- Clustering
- clustering
- Clustering
- Euler theorem(水)
- Euler
- 集群策略--集群(clustering)
- 聚类(4)-- Hierarchical clustering
- 聚类(5)-- Spectral clustering
- 聚类(5)-- Spectral clustering
- 玩转Bootstrap(基础) (3.按钮)
- Linxu命令(3)
- 修改Images.xcassets位置后Xcode编译出错以及Xcode打不开storyboard
- SQLAlchemy 学习(二)
- eclipse安装git插件并打通github
- 欧拉聚类(Euler Clustering)
- hdfs常用文件命令
- 黑马程序员--String类和StringBuffer类
- 怎样才是理想的程序员
- printf函数的 %s 与 %c
- 递归与非递归的转换
- hdu 5396 Expression (dp+组合数学)
- 【Github】Android 开源项目分类汇总
- 最长公共子序列和最长公共子序串