Convex Decomposition Based Cluster Labeling Method for Support Vector Clustering
平源, 田英杰, 周亚建, 杨义先 · Acta Scientiarum Naturalium Universitatis Sunyatseni · 2012
(SVC ) 支持向量聚类是在为它处理任意的簇形状的能力的多重应用的一个重要基于边界的聚类算法。然而， SVC 流行被它的高度集中的时间复杂性和差的标签性能降级。克服如此的问题，我们在场新奇有效、柔韧的凸的分解基于标记的簇(CDCL ) 方法基于数据集的拓扑的性质。CDCL 把含蓄的簇分解成凸的壳和每一个被支持向量(SV ) 的一个子集包括。根据在最近附近的凸的壳使用的一个柔韧的算法，凸的壳的毗邻矩阵为发现连接部件被建立；并且留下的数据点将适当地被分配最近凸的壳的标签。途径的确认被几何证明保证。时间复杂性分析和比较实验建议 CDCL 显著地改进效率和聚类的质量。