基于核函数的谱嵌入聚类KSEC模型

　　谱嵌入聚类（SEC）算法要求样本满足流形假设，样本标签总是可以嵌入到一个线性空间中去，这为线性可分数据的谱嵌入聚类问题提供了新的思路，但该算法使用的线性映射函数不适用于处理高维非线性数据。针对这一问题，通过核化线性映射函数，建立了基于核函数的谱嵌入聚类（ KSEC）模型，该模型既能解决线性映射函数不能处理非线性数据的问题，又实现了对高维数据的核降维。在真实数据集上的实验分析结果表明，使用所提算法后聚类正确率平均提高了13. 11%，最高可提高31. 62%，特别在高维数据上平均提高了16. 53%，而且在算法关于参数的敏感度实验中发现算法的稳定性更好。所以改进后的算法对高维非线性数据具有很好的聚类效果，获得了比传统谱嵌入聚类算法更高的聚类准确率和更好的聚类性能。所提方法可以用于诸如遥感影像这类复杂图像的处理领域。