核k’-均值聚类算法及在生物医学上的应用研究

核k'-均值聚类算法在k'-均值聚类算法的基础上,通过核函数,将样本从原空间映射到高维特征空间,使得非线性样本在高维空间中线性可分,然后对高维空间中的线性样本进行聚类。由于核函数的本质是成对样本间的内积,可表示成对样本间的相似度。文章利用高维空间中不同样本之间的内积,构造核矩阵,使得核矩阵中的每一矩阵元均由任意两个样本间的内积组成。内积越大,表示两个样本越相似,内积越小,表示越不相似,因此,求所有样本到其聚类中心的最小距离平方和的聚类问题可转化为求核矩阵的迹最小问题。文章利用两组真实生物医学数据集进行了算法验证,结果表明,在同等条件下,核k'-均值算法的聚类准确率要高于k'-均值聚类算法。