Ultra-Scalable Spectral Clustering and Ensemble Clustering

Posted isotropic

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Ultra-Scalable Spectral Clustering and Ensemble Clustering相关的知识,希望对你有一定的参考价值。

Ultra-Scalable Spectral Clustering and Ensemble Clustering

1.Abstract:

在U-SPEC中,针对稀疏相似子矩阵的构造,提出了一种混合代表选择策略和k -最近邻代表的快速逼近方法。将稀疏相似子矩阵解释为二部图,利用转移割对图进行有效分割,得到聚类结果:

在U-SENC中,多个U-SPEC聚类器被进一步集成到一个集成聚类框架中,在保持高效的同时增强了U-SPEC的鲁棒性。基于多U-SEPC s的集成生成,构造了一种新的目标与基簇之间的二部图,并对其进行有效分割,达到了一致的聚类结果

U-SPEC和U-SENC都具有近乎线性的时间和空间复杂度

 

2.Inrtoduction

谱聚类算法因其在处理非线性可分数据集方面具有良好的处理能力,然而,传统光谱聚类的一个关键限制是其巨大的时间和空间复杂度;谱聚类的通常包括两个耗时和消耗内存的阶段,即相似矩阵构建和特征分解。构建相似矩阵一般需要技术图片时间和技术图片内存,求解特征分解问题需要技术图片时间和技术图片内存,其中N为数据大小,d为维度。随着数据量N的增加,谱聚类的计算量也随之增加。

为了减轻谱聚类的巨大计算负担,常用的策略是:1.稀疏化相似矩阵,用稀疏的特征解算器求解特征分解问题。矩阵稀疏化策略可以降低存储矩阵的内存成本,便于特征分解,但仍然需要计算原相似矩阵中的所有项。2.是基于子矩阵构造:从原始数据集中随机选择p个代表,构建一个n*p相似子矩阵,landmark based spectral clustering(LSC)方法对数据集执行k-means,得到p个聚类中心作为p个代表。然而,这些基于子矩阵的谱聚类方法通常受到复杂度瓶颈(N*p)的限制,这是它们处理超大规模数据集的一个关键障碍,在超大规模数据集中,为了获得更好的近似通常需要更大的p。此外,这些方法的聚类结果严重依赖于子矩阵的一次逼近(逼近实际的n*n矩阵),这对聚类鲁棒性造成了不稳定因素。

本文提出了两种新的大规模算法,即超可伸缩谱聚类(U-SPEC)和超可伸缩集成聚类(U-SENC)。在U-SPEC中,提出了一种新的混合代表选择策略,有效地找到一组p个代表,降低了基于k均值的选择从技术图片技术图片的时间复杂度。 然后,设计了一种 K-nearest 的快速逼近方法,有效地建立了一个具有技术图片时间和技术图片内存的稀疏子矩阵。稀疏的子矩阵作为cross-affinity矩阵,构造bipartite graph之间的数据集和代表集。通过两部图结构transfer cut解决矩阵分解计算量过大的问题, 最后,采用k均值离散化方法构造了一组k个特征向量的聚类结果,该方法耗时技术图片。集成:此外,为了超越U-SPEC的一次性逼近,提供更好的聚类鲁棒性,提出了U-SENC算法,将多个U-SPEC聚类器集成到一个统一的集成聚类框架中,该框架的时间和空间复杂度主要由技术图片技术图片控制。

即:

新的混合代表选择策略:找出p个代表

K-nearest 的快速逼近方法:建立了一个np稀疏子矩阵

bipartite graph 的 transfer cut:将np子矩阵解释为二部图,并对其进行有效分割,得到最终的聚类结果

 

3.PROPOSED FRAMEWORK

3.1新的混合代表选择策略:

技术图片

FIG1:图a红点为随机选择的代表点,图b为k_means质心选择出来的代表点,图c为混合方法结果

技术图片

随机的代表选择虽然计算效率高,但固有的随机性可能导致一组低质量的代表;而k_means耗时;而混合方法是先从总数据集中随机抽出一部分数据,再在抽出的部分数据中用k_means学出p个质心作为代表.如图2。

技术图片3.2 Approximation of K-Nearest Representatives

技术图片

得到p个代表后,下一个目标是通过p个代表对整个数据集的两两关系进行编码,

以往方法子矩阵表示中,对象与代表之间的Np相似子矩阵需要O(Npd)时间和O(Np)内存;后来提出用K-Nearest稀疏np相似度矩阵(每个对象只与其k个最近的代表相连接),然而,这仍然需要计算N个对象到p个代表之间的所有距离。此外,除了计算Np项总数外,稀疏化步骤还消耗O(NpK)时间;(Ps:注意传统的knn与K-Nearest 有共同特征,但在实际应用中面临不同问题;在子矩阵构造问题中传统knn不适用,因为结构的不平衡p远远小于N.)

 

为了打破效率瓶颈,这里的关键问题是如何在用K-Nearest的代表构建子矩阵时,显著减少这些中间项的计算.我们提出了一种基于由粗到细机制的K-Nearest表示逼近方法,并用该方法建立了稀疏亲和子矩阵

:我们的k -最近邻代表近似的主要思想是先找到最近邻的区域(将p个代表点聚类,计算样本和P个聚类中心的距离 选出最近的簇),然后在最近邻的区域内找到最近的代表(定义为技术图片)(在最近的代表簇中计算出最近的点),最后在技术图片的邻域内找到k -最近邻代表(在最近的点附近k个值作为选中的点)。

 

3.3 Bipartite Graph Partitioning

技术图片

技术图片:第j个代表

技术图片:第i个样本

这部分待续

以上是关于Ultra-Scalable Spectral Clustering and Ensemble Clustering的主要内容,如果未能解决你的问题,请参考以下文章

plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral)出错

AttributeError:“numpy.ndarray”对象没有属性“nipy_spectral”

scikit-learn 中的 SpectralClustering 与 Spectral_clustering

spectral sequence

spectral clustering

Calculation of Spectral Sequences