报告题目：一种基于距离图的快速聚类算法
报告人：聂飞平（西北工业大学）
时 间：2020年11月3日上午9：00 -10：30
地 点：安徽大学（磬苑校区）蕙园11号楼2楼会议室
报告摘要：谱聚类和k-means作为两种十分流行的聚类算法，相关研究一直是一个热门方向。这两种算法可以统一到同一种框架下，我们有如下发现：1. k-means致力于最小化类内的平均距离，而谱聚类致力于最大化类内的平均相似度。 2. 从图的观点来看，k-means采用的是全图，即任意两个样本之间的距离都没有被忽略，而谱聚类则是采用的近邻图，一般只计算每个样本与其k近邻之间的相似度。我们针对平衡场景，首先对谱聚类模型做出简化，并且用近邻距离代替传统的相似度，以避免衡量相似度所带来的困扰。针对简化后的模型，我们提出了一种高效的优化算法。该算法基于标准的坐标下降方法，不同之处在于，我们针对坐标下降中涉及的子问题，设计了更快的求解算法。整个算法的复杂度为O(NK)，它和聚类个数无关。因此在类别较多的数据上，相比于k-means算法，我们的算法在获得更好的性能同时，有着明显的速度优势。
主办单位：计算机科学与技术学院
欢迎各位老师、同学届时前往！
科学技术处
2020年11月3日