齊曉軒 都 麗 洪振麒

1(沈陽大學(xué)應(yīng)用技術(shù)學(xué)院 遼寧 沈陽 110044)2(沈陽大學(xué)信息工程學(xué)院 遼寧 沈陽 110044)

0 引 言

聚類[1-2]作為數(shù)據(jù)挖掘領(lǐng)域中重要的方法，主要是將同類對(duì)象劃分為同一簇，不同類對(duì)象劃分到不同簇的過程。聚類方法有很多種，如C-means、FCM、MECA[3-5]等算法，但這些算法在高斯分布數(shù)據(jù)集上聚類效果良好，在非高斯分布數(shù)據(jù)集上聚類效果卻不太理想，容易受樣本形狀影響。譜聚類算法(SC)[6-10]作為一種圖論演化而來的算法，不受樣本空間形狀的制約，且收斂于全局最優(yōu)解，在一定程度上解決了這個(gè)問題。

SC算法首先根據(jù)給定的樣本集計(jì)算任意兩點(diǎn)的相似度矩陣W，然后計(jì)算特征矩陣，最后使用特征矩陣進(jìn)行聚類，所以相似度矩陣W的選取直接影響特征矩陣的構(gòu)造，進(jìn)而影響聚類效果。Kong等[10]通過建立新的相似圖來構(gòu)造相似度矩陣;ZelnikManor等[13]利用數(shù)據(jù)點(diǎn)的鄰域分布，自動(dòng)調(diào)節(jié)尺度參數(shù)，增加其泛化能力。Wang等[3]針對(duì)相似度矩陣構(gòu)造存在尺度敏感問題，利用密度差來調(diào)整樣本點(diǎn)之間的相似度。范子靜等[14]利用模糊劃分改進(jìn)譜聚類中硬化分，調(diào)整相似性度量函數(shù)。以上方法皆是以歐氏距離作為相似性度量方法，無法反映空間分布結(jié)構(gòu)特征。張建朋等[15]通過使用流形距離代替歐氏距離構(gòu)造相似性矩陣來改進(jìn)AP算法,較好地解決了數(shù)據(jù)分布的全局結(jié)構(gòu)問題；Tao等[16]使用流形距離計(jì)算相似度矩陣，但沒有考慮數(shù)據(jù)點(diǎn)全部的鄰域信息，對(duì)于復(fù)雜分布點(diǎn)效果依然不理想。

在實(shí)際環(huán)境中，領(lǐng)域中可用數(shù)據(jù)的匱乏或者數(shù)據(jù)受到污染，樣本特征信息稀疏，傳統(tǒng)的聚類算法很難達(dá)到良好效果。針對(duì)此種情況，遷移學(xué)習(xí)可以有效利用在某個(gè)不同但相關(guān)領(lǐng)域上學(xué)習(xí)到的知識(shí)或模式(源域)指導(dǎo)當(dāng)前領(lǐng)域(目標(biāo)域)中數(shù)據(jù)量匱乏的聚類任務(wù)，輔助提高聚類效果。在聚類中加入遷移學(xué)習(xí)已幫助學(xué)者們解決了很多問題[16-19]：Dai等[20]通過同時(shí)聚類目標(biāo)和輔助數(shù)據(jù)提出一種基于協(xié)同聚類的自學(xué)習(xí)聚類(STC);Jiang等[21]通過聯(lián)合聚類方法提出遷移譜聚類方法(TSC);魏彩娜等[22]提出基于F-范數(shù)正則項(xiàng)的遷移譜聚類方法(TSC-IDFR);Qian等[23]提出使用中心與隸屬度信息遷移的TI-KT-CM和TII-KT-CM方法。

為提高譜聚類的領(lǐng)域適應(yīng)能力，降低樣本數(shù)量、數(shù)據(jù)空間分布對(duì)譜聚類的性能影響，本文提出一種基于流形距離核的自適應(yīng)遷移譜聚類算法。具體包括兩個(gè)方面的改進(jìn)：① 考慮數(shù)據(jù)分布的全局一致性，使用流形距離作為相似性計(jì)算方法，且面對(duì)簇邊緣分布不均勻或不同簇邊緣分布密度相近，局部密度情況復(fù)雜會(huì)導(dǎo)致錯(cuò)分的問題，對(duì)核函數(shù)進(jìn)行自適應(yīng)調(diào)整，提高譜聚類對(duì)復(fù)雜數(shù)據(jù)集的處理能力；② 考慮領(lǐng)域數(shù)據(jù)匱乏問題，引入遷移學(xué)習(xí)方法，使用源域的知識(shí)輔助目標(biāo)域進(jìn)行譜聚類。經(jīng)實(shí)驗(yàn)驗(yàn)證，本文算法與原始譜聚類算法相比有明顯提升。

1 相關(guān)概念

1.1 SC算法

SC算法(見圖1)主要思想是把樣本點(diǎn)連接起來構(gòu)造無向權(quán)重圖，根據(jù)距離遠(yuǎn)近賦予權(quán)重高低，根據(jù)子圖內(nèi)權(quán)重和高、子圖間權(quán)重和低的最優(yōu)劃分原則對(duì)圖進(jìn)行最優(yōu)劃分，從而完成聚類。

圖1 SC算法原理示意圖

SC算法的最優(yōu)化模型為：

maxtr(UTLU)U∈RN×k

(1)

s.t.UTU=I

算法實(shí)現(xiàn)過程：

輸入：n個(gè)樣本點(diǎn)X=x1,x2,…,xn，聚類個(gè)數(shù)k

輸出：聚類簇c1,c2,…,ck

步驟1構(gòu)造無向權(quán)重圖G(V,E),計(jì)算相似度矩陣W：

(2)

步驟2計(jì)算度矩陣D:

(3)

步驟3計(jì)算拉普拉斯矩陣L:

L=D-W

(4)

標(biāo)準(zhǔn)化L：

(5)

步驟4計(jì)算L的前k個(gè)最小特征值的特征向量組成矩陣且對(duì)其進(jìn)行標(biāo)準(zhǔn)化，得到特征矩陣U={u1,u2,…,uk},U∈Rn×k。

步驟5采用C-means或FCM等對(duì)U進(jìn)行聚類，得到聚類結(jié)果{c1,c2,…,ck}。

1.2 流形距離

歐氏距離是最快捷簡單的距離度量方法。但使用歐氏距離計(jì)算的聚類算法往往會(huì)忽略數(shù)據(jù)的空間分布特征，無法滿足聚類的全局一致性。為了解決這個(gè)問題，有學(xué)者提出流形距離，具體形式如下：

局部流形距離即流形上的點(diǎn)到點(diǎn)的線段長度，在同一流形結(jié)構(gòu)中，數(shù)據(jù)集任意兩點(diǎn)xi、xj之間的流形距離為：

Ld(xi,xj)=ρdist(xi,xj)-1

(6)

式中：dist(xi,xj)為xi和xj兩點(diǎn)之間的歐氏距離。

全局流形距離：構(gòu)造數(shù)據(jù)點(diǎn)間的加權(quán)無向圖G(V,E)，V為圖的頂點(diǎn),E為圖邊集合。令p={p1,p2,…,pk}∈Vl表示圖上一條連接點(diǎn)p1與pk的路徑，其中邊(pm,pm+1)∈E，1≤m

設(shè)P=(p1,p2,…,pk)是xi和xj之間的一條最短路徑,則全局流形距離為連接兩點(diǎn)之間的最短路徑的所有局部距離之和：

(7)

式中：pi,j是xi和xj之間的最短路徑。

(8)

該方法可增大不同流形上數(shù)據(jù)點(diǎn)的距離，縮小不同流形上數(shù)據(jù)點(diǎn)的距離。

2 算法設(shè)計(jì)

2.1 基于流形距離核的自適應(yīng)譜聚類算法(ASC-MDK)

SC算法用高斯核函數(shù)構(gòu)建相似度矩陣，但是歐氏距離在計(jì)算距離時(shí)受結(jié)構(gòu)影響較大，當(dāng)數(shù)據(jù)集為復(fù)雜的流形結(jié)構(gòu)時(shí)，會(huì)損失很多結(jié)構(gòu)特征，使用流形距離代替歐氏距離能在一定程度上解決這個(gè)問題。

本文以流形距離計(jì)算任意兩點(diǎn)的距離，且對(duì)核函數(shù)進(jìn)行調(diào)整，使其面對(duì)更復(fù)雜的分布時(shí)，保留更多樣本特征信息，提高聚類準(zhǔn)確率。歐氏距離計(jì)算的核函數(shù)為：

(9)

本文用流形距離作為距離度量方法，流形距離核函數(shù)為：

(10)

該核函數(shù)雖能考慮數(shù)據(jù)的整體結(jié)構(gòu)分布，但參數(shù)σ均是通過反復(fù)測試得到，時(shí)間復(fù)雜度高，若取固定值，則影響核函數(shù)的泛化性，制約聚類效果。為了取得合適參數(shù)，ZelnikManor等[13]提出使用數(shù)據(jù)點(diǎn)的鄰域信息計(jì)算一種自動(dòng)選擇尺度參數(shù)σ的方法，為每一個(gè)樣本點(diǎn)選擇一個(gè)σi，定義的核函數(shù)為：

(11)

式中:σi為點(diǎn)xi到第k個(gè)近鄰的歐氏距離，但該k近鄰方法易受噪聲點(diǎn)影響。本文尺度參數(shù)取點(diǎn)xi的加權(quán)距離，可在一定程度上提高核函數(shù)的自適應(yīng)能力，降低噪聲點(diǎn)的干擾，具體表示為：

(12)

(13)

式中:參數(shù)σi取點(diǎn)xi的第k個(gè)近鄰點(diǎn)xk的加權(quán)距離。由此可以得到融入加權(quán)參數(shù)和流形距離的核函數(shù)，具體表示為：

(14)

使用流形距離計(jì)算的相似度矩陣考慮了全局一致性，加權(quán)參數(shù)可減小參數(shù)對(duì)特征矩陣的影響。但當(dāng)簇間密度差異較大、簇邊緣分布不均勻或不同簇邊緣分布密度相近時(shí)，局部密度情況復(fù)雜會(huì)導(dǎo)致錯(cuò)分，仍會(huì)影響聚類效果。以圖2和圖3為例，利用式(14)計(jì)算圖2中點(diǎn)的相似度，a、b位于較稠密的簇中,c、d處于較稀疏的簇中，且它們都處于簇的邊緣，正確聚類有一定難度，已知dist(a,b)=dist(b,c)=dist(c,d)，可知當(dāng)σb<σd、σbσc<σdσc，得K(b,c)

圖2 樣密度分布不均勻示意圖

圖3為雙月形分布，已知dist(e,f)=dist(f,g)，當(dāng)σe=σg時(shí)，σeσf=σgσf，表明e、f和g、f的相似度相同，但e、f應(yīng)聚為一類，所以g影響了f的聚類，可能使f聚為錯(cuò)誤的一類。所以應(yīng)該賦予e、f更高的相似性。

圖3 雙月形分布示意圖

為解決上述問題，提高聚類準(zhǔn)確率，本文使用共享近鄰方法(SNN)[24]來調(diào)整相似度矩陣，SNN定義為求兩個(gè)點(diǎn)共享的近鄰點(diǎn)的個(gè)數(shù)。xi和xj表示樣本集{x1,x2,…,xn}的任意兩點(diǎn)，兩點(diǎn)的相似度為共享最近鄰點(diǎn)的個(gè)數(shù)，即：

(15)

(16)

當(dāng)共享近鄰數(shù)為0時(shí)，SNN(xi,xj)+1=1，即對(duì)相似性不作調(diào)整。因?yàn)閍、b處于稠密的簇中，可知a、b的共享近鄰的個(gè)數(shù)多于b、c的共享近鄰個(gè)數(shù)，所以SNN(a,b)+1>SNN(b,c)+1，可以對(duì)相似性進(jìn)行調(diào)整，使a、b的相似性更大，使聚為一類的概率更高。e、f處于同一流形中，g處于另一流形中，可知e、f共享近鄰多于g、f，所以SNN(e,f)+1>SNN(f,g)+1，可以對(duì)相似性進(jìn)行調(diào)整，使e、f的相似性更大，更可能聚為一類。

綜上，基于SC算法提出了一種改進(jìn)的計(jì)算相似度函數(shù)的方法：“加權(quán)局部密度自適應(yīng)的流形距離核”，表示為：

(17)

該核函數(shù)得到的距離空間是離散值，區(qū)間為[0，+∞]，相似度空間區(qū)間為[0，+∞]。通過式(17)，可知該函數(shù)滿足以下基本性質(zhì)：

1) 非負(fù)性：Kij≥0；

2) 自反性：Kij=0；

3) 對(duì)稱性：Kij=Kji；

4) 一致性：當(dāng)S(xa,xb)

2.2 ATSC-MDK算法

ASC-MDK在樣本充分時(shí)，可通過考慮數(shù)據(jù)聚類的全局分布，局部復(fù)雜分布情況，進(jìn)行自適應(yīng)調(diào)節(jié)。但當(dāng)數(shù)據(jù)匱乏時(shí)，該方法依然不會(huì)得到理想效果，由此引入遷移學(xué)習(xí)解決這個(gè)問題?；贔-范數(shù)的正則項(xiàng)遷移譜聚類方法(TSC-IDFR)[21]在SC算法上，引入遷移學(xué)習(xí)機(jī)制形成了基于高級(jí)知識(shí)遷移的譜聚類算法，即把源域提取出的高級(jí)知識(shí)進(jìn)行遷移，指導(dǎo)目標(biāo)域數(shù)據(jù)集的聚類。

TSC-IDFR通過減小目標(biāo)域數(shù)據(jù)和源域數(shù)據(jù)上的知識(shí)之間的不相似程度，得優(yōu)化函數(shù)為：

(18)

式中:U(C)和U(O)分別表示目標(biāo)域數(shù)據(jù)和源域數(shù)據(jù)的特征矩陣；KU(C)和KU(O)分別表示U(C)和U(O)對(duì)應(yīng)的相似度矩陣。經(jīng)過變換，得到優(yōu)化目標(biāo)函數(shù)：

(19)

式(19)通過最小化目標(biāo)函數(shù)，即最大化tr(U(C)U(C)TU(O)U(O)T),作為遷移正則項(xiàng)加入譜聚類原始優(yōu)化函數(shù)中，那么TSC-IDFR的最優(yōu)化模型為：

(20)

s.t.U(C)TU(C)=I

經(jīng)變換得：

(21)

s.t.U(C)TU(C)=I

式中：λ為調(diào)整目標(biāo)域關(guān)于源域知識(shí)的遷移程度，其參考取值范圍為(0.1,1.0)。

在該遷移譜聚類方法基礎(chǔ)上，融入ASC-MDK算法，提出基于流形距離核的自適應(yīng)遷移譜聚類算法(ATSC-MDK)，其最優(yōu)化模型為：

(22)

2.3 算法流程

輸入：源域數(shù)據(jù)集data(O)，目標(biāo)域數(shù)據(jù)集data(C),聚類個(gè)數(shù)c,伸縮因子ρ，最近鄰點(diǎn)數(shù)k

輸出：目標(biāo)域數(shù)據(jù)點(diǎn)的劃分c1，c2,…,ck

步驟1使用第K近鄰機(jī)制為輸入的目標(biāo)域數(shù)據(jù)集data(C)從源域數(shù)據(jù)集data(O)中挑選可參照樣本集(采用網(wǎng)格搜索方法)。

(1) 通過迪杰特斯拉算法[25]進(jìn)行數(shù)據(jù)集任意相鄰兩點(diǎn)最短路徑選擇，并通過式(8)計(jì)算最短路徑和。

(2) 根據(jù)式(12)、式(13)計(jì)算參數(shù)σi和σj。

(3) 根據(jù)共享近鄰算法計(jì)算SNN(xi,xj)+1；最后計(jì)算式(17)得到Kij。

(4) 計(jì)算數(shù)據(jù)集的拉普拉斯矩陣L，其中：

對(duì)角元素為：Kii=0,1≤i,j

構(gòu)造拉普拉斯矩陣：L=D-K。

算法流程圖如圖4所示。

圖4 ATSC-MDK算法流程圖

3 實(shí) 驗(yàn)

3.1 算法分析

3.1.1 相似度對(duì)比分析

相似度矩陣對(duì)于譜聚類算法進(jìn)行特征提取而言是至關(guān)重要的一步，會(huì)直接影響聚類結(jié)果。如圖5所示，以雙月型數(shù)據(jù)集(如圖3所示)為例，(a)為以本文提出的距離核計(jì)算的相似度矩陣，(b)為傳統(tǒng)譜聚類的高斯核計(jì)算的相似度矩陣。以高斯核計(jì)算的距離矩陣類別分布不明顯，無明顯規(guī)律可循，說明以歐氏距離計(jì)算的相似度矩陣很大程度上忽略復(fù)雜數(shù)據(jù)集的分布結(jié)構(gòu)，而本文距離核計(jì)算的點(diǎn)陣顏色分布及深淺較明顯，呈塊對(duì)角模式，可看到明顯分類。這表明，本文方法能更好地反映數(shù)據(jù)集的內(nèi)在結(jié)構(gòu)和整體分布，采用的流形距離測度較空間分布形狀不敏感，更能考慮流形分布對(duì)聚類的影響。且通過考慮邊緣密度情況，降低邊緣密度影響造成錯(cuò)分情況。最后采用加權(quán)自適應(yīng)核參數(shù)，避免了參數(shù)敏感，且降低了噪聲點(diǎn)的干擾。

(a) 距離核 (b) 高斯核圖5 兩種方法相似度矩陣計(jì)算對(duì)比

3.1.2 復(fù)雜度分析

本文算法主要執(zhí)行任務(wù)是計(jì)算ATSC-MDK算法的迭代過程。ATSC-MDK運(yùn)行一次需要分別進(jìn)行源域和目標(biāo)域的ASC-MDK算法。選取來自源域的樣本數(shù)據(jù)時(shí)間復(fù)雜度是O(m×n2)，利用Dijkstra算法搜索最短路徑的空間復(fù)雜度為O(n2)，構(gòu)建KNN網(wǎng)絡(luò)并賦權(quán)的計(jì)算徑向基參數(shù)時(shí)間復(fù)雜度為O(n2)，SNN共享近鄰時(shí)間復(fù)雜度O(n2)，調(diào)整系數(shù)λ時(shí)間復(fù)雜度O(n)，本文整體迭代次數(shù)為T,因此算法的時(shí)間復(fù)雜度為O(m×n2+3n2+n)。本文所提算法處理數(shù)據(jù)量較大時(shí)，可利用GPU對(duì)算法進(jìn)行加速，增加算法的實(shí)用性。

3.2 算法對(duì)比

為驗(yàn)證ATSC-MDK算法的有效性，將使用三組人工模擬數(shù)據(jù)集和三組公共數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)對(duì)比。本文除了與SC算法比較，還將與ASC-MDK、FCM、TI-KT-CM、TII-KT-CM、TSC-IDFR算法進(jìn)行對(duì)比。

實(shí)驗(yàn)采用歸一化互信息(NMI)和蘭德指數(shù)(RI)[26]兩大常用方法作為評(píng)價(jià)標(biāo)準(zhǔn)。

(23)

式中：P(i,j)為同時(shí)聚類到U類和類標(biāo)簽為V的概率，P(i)為聚類到U類的概率，P′(j)為聚類到V類的概率。NMI取值范圍為[0,1],越趨近于1，聚類效果越好。

(24)

實(shí)驗(yàn)環(huán)境：所用PC為Xeon處理器，2.8 GHz，16 GB RAM, 算法編程使用MATLAB2016a。

3.2.1 模擬數(shù)據(jù)集及實(shí)驗(yàn)

遷移學(xué)習(xí)的場景要求領(lǐng)域相關(guān)且不相同，為此本文在以下場景進(jìn)行實(shí)驗(yàn)：

(1) 高斯分布遷移數(shù)據(jù)集M1-M2:如圖6所示的低維人工模擬數(shù)據(jù)集。(a)為采用高斯概率分布函數(shù)隨機(jī)生成4類共800個(gè)數(shù)據(jù)樣本的源域數(shù)據(jù)集；(b)-(h)為采用高斯概率分布函數(shù)隨機(jī)生成4類320個(gè)數(shù)據(jù)樣本的目標(biāo)域數(shù)據(jù)集。

圖6 高斯分布遷移數(shù)據(jù)集M1-M2

(2) 雙月型遷移數(shù)據(jù)集L1-L2：如圖7所示，(a)不含噪聲，共121個(gè)數(shù)據(jù)點(diǎn)且分為上下兩類；(b)-(h)為受噪聲干擾，共120個(gè)數(shù)據(jù)點(diǎn)且上下分類界限有重疊，邊緣分布較復(fù)雜。

圖7 雙月型遷移數(shù)據(jù)集L1-L2

(3) Threecircles遷移數(shù)據(jù)集C1-C2：如圖8所示，(a)為三個(gè)同心圓圍起來的源域數(shù)據(jù)集；(b)-(h)為非同心圓，且有交叉的目標(biāo)域數(shù)據(jù)集。

圖8 Threecircles遷移數(shù)據(jù)集C1-C2

由圖6-圖8和表1可得：SC算法在人工數(shù)據(jù)集上表現(xiàn)效果較差，ATSK-MDK算法在兩大評(píng)價(jià)指標(biāo)上均高于其余對(duì)比算法，可以得到較好的聚類效果。

表1 人工模擬數(shù)據(jù)集的各類算法聚類效果對(duì)比

M1-M2：凸形數(shù)據(jù)集中，ATSC-MDK,TSK-IDFR是在SC算法基礎(chǔ)上進(jìn)行知識(shí)遷移,TI-KT-CM和TII-KT-CM是在FCM算法上進(jìn)行知識(shí)遷移，經(jīng)過表1數(shù)據(jù)聚類結(jié)果對(duì)比，均在原始算法上有所提升，說明在場景遷移中，來自源域的歷史信息可以進(jìn)行有效的遷移，提高目標(biāo)域聚類效果。

L1-L2：L1為絕對(duì)流形數(shù)據(jù)集，L2目標(biāo)域數(shù)據(jù)集為數(shù)據(jù)分布較分散，數(shù)據(jù)相互重疊的流形數(shù)據(jù)集，邊緣數(shù)據(jù)分布較復(fù)雜，容易造成錯(cuò)誤聚類，且為典型的非凸型數(shù)據(jù)集。在考慮數(shù)據(jù)流形分布的情況下，可充分體現(xiàn)流形距離優(yōu)勢?；贔CM下進(jìn)行知識(shí)遷移的TI-KT-CM和TII-KT-CM很明顯對(duì)于非凸形數(shù)據(jù)集聚類效果不佳，但效果依舊有所提升，進(jìn)一步說明遷移學(xué)習(xí)的有效性。而SC算法可以適應(yīng)任意形狀的數(shù)據(jù)且不易陷入局部最優(yōu)，所以對(duì)于非凸形數(shù)據(jù)集有明顯優(yōu)勢。在此基礎(chǔ)上，考慮到這種特殊的流形分布，ASC-MDK明顯優(yōu)于歐氏距離的SC，加入流形距離的ATSC-MDK算法明顯優(yōu)于歐氏距離的TSC-IDFR算法。且根據(jù)實(shí)驗(yàn)結(jié)果，在此種分布下，考慮數(shù)據(jù)的分布結(jié)構(gòu)比加入遷移學(xué)習(xí)方法提升效果更為突出。

C1-C2：FCM是通過尋找聚類中心的方法進(jìn)行聚類，在此種多流形分布下，聚類中心非常難找，沒考慮分布結(jié)構(gòu)的情況下，聚類錯(cuò)誤率非常高，正確率不超過30%，所以隸屬度進(jìn)行遷移的TI-KT-CM,TII-KT-CM算法，提升效果微乎其微。此種形狀的數(shù)據(jù)集，SC算法的優(yōu)勢非常明顯，ASC-MDK算法可以更進(jìn)一步考慮分布的全局一致性，面對(duì)復(fù)雜邊緣分布，且可自適應(yīng)調(diào)節(jié)，效果有所提升。ATSC-MDK針對(duì)以上問題，面對(duì)分布結(jié)構(gòu)，邊緣密度等復(fù)雜情況，聚類效果較好。

3.2.2 真實(shí)數(shù)據(jù)集實(shí)驗(yàn)結(jié)果分析

為了進(jìn)一步驗(yàn)證算法的有效性，在三個(gè)公共數(shù)據(jù)集上驗(yàn)證，該數(shù)據(jù)集為遷移學(xué)習(xí)、聚類效果常用的驗(yàn)證數(shù)據(jù)集，具有一定的基準(zhǔn)性。

(1) 數(shù)據(jù)集1：來自UCI的人類活動(dòng)時(shí)間序列數(shù)據(jù)集。從中選取來自志愿者的6類自然活動(dòng)：走路，上樓梯，下樓梯，坐下，站立，躺下。本文源域選取494條女性數(shù)據(jù)記錄，目標(biāo)域選取312條男性數(shù)據(jù)記錄，并進(jìn)行降維處理。

(2) 數(shù)據(jù)集2：來自ESF數(shù)據(jù)庫的垃圾郵件數(shù)據(jù)集。本文源域使用公共消息資源的4 000條數(shù)據(jù)記錄，目標(biāo)域使用用戶的1 800條數(shù)據(jù)。

(3) 數(shù)據(jù)集3：來自Brodatz紋理數(shù)據(jù)庫。圖9為源域紋理圖像，圖10為目標(biāo)域紋理圖像(有噪聲)。通過濾波方法對(duì)紋理特征進(jìn)行提取，且對(duì)維度進(jìn)行處理，構(gòu)成了最終TIS紋理數(shù)據(jù)。

圖9 源域

圖10 目標(biāo)域

真實(shí)遷移場景數(shù)據(jù)與真實(shí)數(shù)據(jù)集的各類算法聚類效果對(duì)比如表2、表3所示。

表2 真實(shí)遷移場景數(shù)據(jù)

表3 真實(shí)數(shù)據(jù)集的各類算法聚類效果對(duì)比

由表2和3可得：ATSC-MDK算法在NMI和RI指標(biāo)中均高于其余算法，雖然在人類活動(dòng)序列數(shù)據(jù)集中，提高不太明顯，但是在垃圾郵件數(shù)據(jù)集中提高比較明顯，所以總體聚類效果有所提升。在考慮到數(shù)據(jù)的空間分布時(shí)，ASC-MDK在經(jīng)典譜聚類的基礎(chǔ)上對(duì)核函數(shù)機(jī)型改進(jìn)，對(duì)比SC效果有明顯的提升，說明考慮空間分布可以較好地提高聚類效果。TSC-IDFR中融合ASC-MDK所建立的ATSC-MDK算法，克服數(shù)據(jù)數(shù)量影響聚類性能的問題，對(duì)比SC聚類效果有很大提升。

真實(shí)目標(biāo)域數(shù)據(jù)集與源域數(shù)據(jù)集分布相似但不相同，在分布時(shí)有一定的差異性，所以ATSC-MDK、TSC-IDFR、TI-KT-CM、TII-KT-CM均可獲得來自源域的有用信息，提高目標(biāo)域的聚類有效性。ATSC-MDK不僅選取有用數(shù)據(jù)集，考慮源域和目標(biāo)域的空間分布特征，因此選取最有效的指導(dǎo)目標(biāo)域的數(shù)據(jù)集，在一定程度上有效避免了負(fù)遷移。

4 結(jié) 語

為提高SC算法的領(lǐng)域適應(yīng)能力，降低數(shù)據(jù)空間分布、樣本數(shù)量等對(duì)其性能的影響，本文提出一種基于流形距離核的自適應(yīng)遷移譜聚類算法(ATSC-MDK)?？紤]數(shù)據(jù)分布的全局一致性，使用流形距離作為相似性計(jì)算方法，充分考慮全部局部鄰域信息，對(duì)核函數(shù)進(jìn)行自適應(yīng)調(diào)整，提高譜聚類對(duì)復(fù)雜數(shù)據(jù)集的處理能力；考慮領(lǐng)域數(shù)據(jù)匱乏問題，引入遷移學(xué)習(xí)，使用源域的知識(shí)輔助目標(biāo)域進(jìn)行譜聚類。實(shí)驗(yàn)結(jié)果表明，本文算法性能與原始譜聚類算法相比有明顯提升。