• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    結合代表點和密度峰的增量動態(tài)聚類算法

    2017-07-03 14:58:10鄭河榮
    浙江工業(yè)大學學報 2017年4期
    關鍵詞:增量代表聚類

    鄭河榮,陳 懇,潘 翔

    (浙江工業(yè)大學 計算機科學與技術學院,浙江 杭州 310023)

    結合代表點和密度峰的增量動態(tài)聚類算法

    鄭河榮,陳 懇,潘 翔

    (浙江工業(yè)大學 計算機科學與技術學院,浙江 杭州 310023)

    為了解決增量大數(shù)據(jù)聚類速度緩慢問題,提出了一種結合密度峰和代表點分析的快速聚類算法.先對樣本集進行初始化聚類,然后根據(jù)刪除失效的聚類數(shù)據(jù)調節(jié)聚類簇群的密度均值,再利用代表點的算法對樣本集進行更新,最后采用密度峰算法進行重復聚類從而更新聚類核心點.通過實驗分析表明:該算法可有效提高算法收斂速度.在應用方面,將這種聚類算法引用到大數(shù)據(jù)量的人臉聚類工作中,優(yōu)化人臉聚類的效果.

    時效性;在線聚類;代表點;密度均值

    在日益信息化的社會中,聚類分析已經(jīng)成為一種被廣泛應用的數(shù)據(jù)處理算法.通過聚類分析,可以發(fā)現(xiàn)數(shù)據(jù)的統(tǒng)計規(guī)則,為統(tǒng)計決策做出參考.特別是隨著大數(shù)據(jù)時代的到來,更是需要通過高效聚類進行數(shù)據(jù)分析.聚類是將數(shù)據(jù)對象按其性質特征進行分組,使得組內數(shù)據(jù)的相似度相對較大,而組內各個元素之間的相似度較小[1].

    最常用的算法是層次聚類算法[2-3]和劃分聚類算法[4-5].其中層次聚類就是通過對數(shù)據(jù)集按照某種方法進行層次分解,直到滿足某種條件為止,按照分類原理的不同,可以分為凝聚和分裂兩種算法,Guha等[6]在1998年提出了CURE算法,該算法不用單個中心或對象來代表一個聚類,而是選擇數(shù)據(jù)空間中固定數(shù)目的、具有代表性的一些點共同來代表相應的類.而常見的k-means[7]算法是一種典型的劃分聚類算法,是一種迭代的算法,采用距離作為相似性的評價指標,即認為兩個對象的距離越近,其相似度就越大.該算法認為簇是由距離靠近的對象組成的,因此把得到緊湊且獨立的簇作為最終目標,但是k-means算法僅適合于數(shù)值屬性數(shù)據(jù)的聚類,基于這些基礎算法的局限性,又提出了許多改進的聚類算法,例如Sun Y[8]提出了一種適合于分類屬性數(shù)據(jù)聚類的K-modes算法.吳天虹等[9]也在DBSCAN算法的基礎上,針對其聚類缺點提出了基于維度距離的混合屬性密度聚類算法.而動態(tài)聚類算法是在基本聚類算法基礎上發(fā)展起來的,文獻[10]提出的增量式DBSCAN算法就是在DBSCAN算法的基礎上提出的,針對數(shù)據(jù)倉庫環(huán)境中增量式數(shù)據(jù)加載要求,此算法是將數(shù)據(jù)進行逐一操作,沒有分析數(shù)據(jù)之間的關聯(lián).文獻[11]提出了基于網(wǎng)格的增量聚類,其算法類似于增量型的DBSCAN.黃永平和鄒力鹍[12]采用批量處理的基于密度的增量聚類來克服一個個處理數(shù)據(jù)的特點,但這種算法也由于計算量過大不太能用于大數(shù)據(jù)集的聚類.文獻[13]依據(jù)物理學中重力理論提出一種增量式的層次聚類,即GRIN算法,使用樹狀圖的算法優(yōu)化聚類效果.Charikar等[14]基于信息檢索的需求,提出基于層次凝聚的增量聚類算法,即當以增量數(shù)據(jù)提交給算法時,要么分配給已知簇,要么形成一新簇同時合并已知簇.張忠平等[15]在C均值聚類算法的基礎上引入簡單的干擾數(shù)據(jù)過濾,實現(xiàn)了對增量數(shù)據(jù)的處理.還有基于不確定性數(shù)據(jù)而提出的基于三角模糊函數(shù)的聚類算法[16]和基于數(shù)據(jù)場和單次劃分的聚類算法[17].這些基于基礎聚類算法的增量聚類算法都比較耗時且聚類效果也得不到保證,可擴展性差,沒有起到壓縮數(shù)據(jù)的作用.受於躍成等[18]基于高斯混合模型的增量式聚類算法的啟發(fā),提出一種在基于密度峰的聚類算法的基礎上,對增量和失效的數(shù)據(jù)用代表點的算法進行處理,其核心在于用少量的數(shù)據(jù)來描述原有樣本的結構信息,在對增量后的樣本集進行再聚類時利用這些代表點信息結合新增數(shù)據(jù)點信息進行聚類,從而達到動態(tài)聚類的效果.

    1 算法架構

    對于大規(guī)模數(shù)據(jù)增量聚類,在數(shù)據(jù)集合發(fā)生變化時需要考慮快速完成聚類更新,在線聚類算法流程圖如圖1所示.算法首先采用已有數(shù)據(jù)集合進行初始化聚類.對于增量數(shù)據(jù),為了保證更新后的數(shù)據(jù)聚類過程能夠快速收斂,在這里,根據(jù)已有聚類結果對已有數(shù)據(jù)進行代表點選擇,過濾掉干擾點和異常點,提高收斂速度.最后把增量數(shù)據(jù)和過濾后的數(shù)據(jù)進行合并,通過密度峰做聯(lián)合聚類,得到新的聚類結果.

    圖1 算法的流程圖Fig.1 Flow chart of algorithm

    為了描述方便,在這里給出聚類算法所需的各種定義:

    1) 樣本集:待聚類的數(shù)據(jù)點集.

    2) 截斷距離dc(Cutoff distance):判斷一個數(shù)據(jù)點是否在另一個數(shù)據(jù)點周圍的參數(shù),若兩個數(shù)據(jù)點的距離小于截斷距離,則這兩個數(shù)據(jù)點相距很近.

    3) 截斷距離參數(shù)t:是確定截斷距離的參數(shù),由用戶事先確定,將所有點與點之間的距離進行升序排序后取第t%的距離作為截斷距離且t∈(0,100),經(jīng)實驗證明當t取1至3的區(qū)間內時聚類結果比較準確.

    4) 聚類核心點:是在聚類后能被劃分到簇群的數(shù)據(jù)點(包括聚類中心點),其特點是局部密度相對較大,而且與比它密度大且距離最近的點之間的距離相對較近.

    5) 干擾點:在聚類完成后無法被劃分進簇群的點,其特點是局部密度小,而且與比它密度大且距離最近的點之間的距離相對較遠.在一次聚類后干擾點會被去除,不會帶入下次的聚類.

    6) 失效點:指在一次聚類和下一次聚類的間歇期中由于時效過期“死亡”的數(shù)據(jù)點、出現(xiàn)異常的點和人為刪除的點.

    7) 聚類簇群:是以聚類中心點為核心、分布相對集中的數(shù)據(jù)點集,并且有明確的邊界劃分.由聚類核心點組成,每個數(shù)據(jù)點能且僅能被劃分到一個簇群.

    2 在線聚類算法細節(jié)

    2.1 聚類初始化

    有一個待聚類的樣本集:

    (1)

    對于P中任意的一個數(shù)據(jù)點xi,都有它的局部密度,即

    (2)

    式中:dc為截斷距離,很明顯與xi的距離小于dc的數(shù)據(jù)點越多,局部密度也就越大;dij為數(shù)據(jù)點xi與xj之間的距離.

    ρq1≥ρq2≥…≥ρqN

    (3)

    可將這個數(shù)據(jù)點與比其密度大且距離最近的數(shù)據(jù)點的距離表示為

    (4)

    可知當xi具有最大的局部密度時,δi表示P中與xi距離最大的數(shù)據(jù)點與xi之間的距離;否則δi表示在所有的局部密度大于xi的數(shù)據(jù)點中,與xi距離最小的數(shù)據(jù)點與xi之間的距離.至此,對于每個P中的數(shù)據(jù)點都存在(δi,ρi),可以從這兩個值來確定該點是否為聚類中心,但是往往實驗中更多會使用決策圖的算法手工劃分中心點,這種手工的方式不太適用于動態(tài)聚類的實際要求,所以使用γi作為劃分中心點的依據(jù)為

    γi=δiρi,i∈IP

    (5)

    式中IP={1,2,3,…,N}為相應的指標集.將所有的γi從大到小降序,取前若干個數(shù)據(jù)點作為中心點,取的個數(shù)由實際數(shù)據(jù)決定.

    (6)

    2.2 代表點選擇

    根據(jù)密度峰聚類算法的特性,使用代表點算法對來處理增量的數(shù)據(jù),核心在于使用相對較少的數(shù)據(jù)點來描述原有數(shù)據(jù)點集的特點,希望利用這些代表聚類簇的代表點,并結合新增樣本進行再聚類.

    (7)

    式中:L為該CK簇的樣本總數(shù);ρj為在這個簇群內每個數(shù)據(jù)點的局部密度.在一個簇群內有數(shù)據(jù)被刪除時,對它們所在簇群的密度均值進行調節(jié):

    (8)

    這樣就能從簇群密度上體現(xiàn)這些數(shù)據(jù)點的流失,而這個密度均值會參加到后面的增量聚類中.例如,原本一個簇群在進行增量聚類時用若干個代表點來代表,而當該簇群中有失效的數(shù)據(jù)時,在下一次聚類的工作中,由于該簇群的密度均值變小,所以取到代表點的個數(shù)也相應減少.

    接下來需要選取簇群的代表點,首先先確定每個簇群代表點的個數(shù),設存在閾值nc(用戶指定),若一個簇群的核心數(shù)據(jù)點個數(shù)不超過nc,將取該簇群中所有的點作為代表點,因為這個簇群內的數(shù)據(jù)點數(shù)量原本就很小,若再選取較少的數(shù)據(jù)點來代表該簇群,就很有可能失去這個簇群的密度屬性.而當簇群內數(shù)據(jù)點的個數(shù)大于nc時,簇群代表點的個數(shù)是根據(jù)簇群核心區(qū)域的面積M和簇群的密度均值m確定的,密度大且面積小的可以取相對較少的代表點,而密度小但面積大的則可以適當多取代表點,最終確定的個數(shù)在該簇群內數(shù)據(jù)點總數(shù)的40%~60%比較合適.

    確定每個簇群代表點的個數(shù)后,在簇群區(qū)域內隨機取點,使得取到的代表點能基本體現(xiàn)這個簇群的密度分布和基本形狀.

    2.3 密度峰聚類

    采用密度峰算法[19]進行聚類核心點的更新,這種聚類算法的優(yōu)勢在于在已知所有數(shù)據(jù)點之間相互“距離”的情況下可以快速地查找出聚類中心點,由于其中的“距離”是歐式距離,適用的情況也比較多.在得到代表點以后,對于新增數(shù)據(jù)點,算法將原有簇群代表點結合增量數(shù)據(jù),形成新的樣本集,即

    P=P代表點+P新增-P失效

    (9)

    (10)

    式中L′為簇群加入新增數(shù)據(jù)后數(shù)據(jù)點的個數(shù).這樣無論要處理新增數(shù)據(jù)還是失效數(shù)據(jù)都可以動態(tài)調節(jié)每個簇群的密度均值,動態(tài)取到代表點加入到以后的重復聚類.然后完成密度峰聚類如下:

    1) 給定用于確定新截斷距離dc的參數(shù)t∈(0,100).

    2) 計算新數(shù)據(jù)集所有的距離dij,并令dji=dij,i

    (11)

    7) 然后將每一個生成的簇群中的數(shù)據(jù)進一步的劃分,劃分為核心點和干擾點.

    9) 最后在各個簇群的核心數(shù)據(jù)點中繼續(xù)獲取代表點,等待下一次新增數(shù)據(jù)的到來.

    3 實驗結果與分析

    為了能夠驗證算法的有效性,此章節(jié)對算法和已有典型聚類算法進行實驗比較分析.首先對算法的聚類效果進行可視化分析,驗證代表點算法在提高算法效率的同時,能夠保證聚類效果.然后對算法效率進行分析,驗證在數(shù)據(jù)集增加的前提下,算法效率要明顯優(yōu)于已有聚類算法.最后,討論了算法在人臉大數(shù)據(jù)中的應用.

    3.1 算法聚類效果分析

    首先使用以往比較常用的聚類數(shù)據(jù)集進行密度峰的聚類結果分析,例如圖2(a)的分布情況,可以看到:圖2(a)中中間部分的數(shù)據(jù)點相距比較緊密,其中有15個簇群,比較難劃分,若使用k-means算法對該數(shù)據(jù)點集進行聚類,k的參數(shù)取到7以上時,其算法已經(jīng)難以收斂,聚類效果也很差,無法將該數(shù)據(jù)點集進行良好的劃分.而使用密度峰聚類算法,計算數(shù)據(jù)點集中所有點的ρ和δ值,將這些值投影到一個坐標軸上,可以看到:圖2(b)中還是明顯分離出了這幾個γ值較大的點,選取這幾個點為聚類中心點,之后將其他的數(shù)據(jù)點按局部密度大小依次劃分到密度比它們大且離它們最近的點.從圖2(c)中的結果可以看到:不管是外圍的數(shù)據(jù)點還是中間比較密集的數(shù)據(jù)點都可以得到很好的劃分.圖2(d)為其他數(shù)據(jù)點集的聚類效果圖.

    圖2 實驗數(shù)據(jù)點集的聚類效果及每個點ρ值與δ值的分布Fig.2 Clustering effect of experimental data set, the ρ and δ of each point

    然后使用高斯分布的數(shù)據(jù)點對dc的參數(shù)進行實驗,圖3(a)中使用的是t取1的參數(shù),黑色的小點為離群點,“×”的簇群范圍過大,簇群的邊界不明顯.圖3(c)是將參數(shù)t取2,聚類的結果可以通過圖3(b,d)看出:當dc距離變大,點的局部密度也增大了,而聚類核心的區(qū)域變小了,凸顯出了這個簇群,效果會更好.

    圖3 不同dc的聚類效果圖和分布圖Fig.3 Clustering effect diagrams and distribution graphs for different dc

    3.2 增量大數(shù)據(jù)的聚類效果分析

    傳統(tǒng)的聚類算法由于沒有針對變動的數(shù)據(jù)集采取優(yōu)化處理,往往導致聚類速度緩慢,特別是當有新增數(shù)據(jù)加入數(shù)據(jù)集時,之前已聚類的數(shù)據(jù)還會參加到下一次的聚類中,這嚴重影響了聚類效率.基本的密度峰聚類算法時間復雜度為O(n2),是計算所有點兩兩之間的距離,同時計算所有點的局部密度,也需要遍歷到所有點,所以當一次聚類的數(shù)據(jù)點個數(shù)不斷增多時,如圖4(a)中圓型的線段,所耗的時間會呈現(xiàn)一個指數(shù)的上漲,而三角形的線段是使用代表點的增量聚類算法,算法的速度很大程度取決于每次增加的數(shù)據(jù)點數(shù)量和每次聚類后干擾點的數(shù)量,可以看到運行的時間得到比較好的優(yōu)化.圖4(c)是由圖4(b)使用代表點算法后的數(shù)據(jù)點分布,可以看到圖4(c)中基本表達了圖4(b)中簇群的形狀特征和密度分布.因為密度峰的聚類算法的本質是根據(jù)各個數(shù)據(jù)點的距離關系進行聚類的,所以我們可以使用盡量少但能凸顯集群中距離關系的代表點對數(shù)據(jù)集進行再聚類,從而在保證聚類效果的基礎上達到時間上的優(yōu)化.

    之后在圖3(c)的基礎上選擇代表點后進行再聚類,而圖4(d)再聚類后的效果圖,可以看到已經(jīng)聚類過的簇群可以良好地進行增量再聚類,而圖4中中心區(qū)域是新聚類的簇群,得到了較好的聚類效果,達到了預計的增量聚類效果.

    (a) 基礎密度峰聚類和代表點增量聚類時間的比較

    (b) 已聚類完成的數(shù)據(jù)點集

    (c) 由圖4(b)得到的代表點數(shù)據(jù)點

    (d) 圖3(c)數(shù)據(jù)集動態(tài)改變后的聚類效果圖

    在實驗圖3(c)的基礎上增加隨機的數(shù)據(jù)點、減少原有的實驗數(shù)據(jù)點來模擬動態(tài)聚類的情況,如圖5(a)所示,隨機增加了整體數(shù)據(jù)點的數(shù)量,大量減少了原來右下角“+”簇群的個數(shù),得到ρ和δ值的分布圖,如圖5(b)所示.

    (a) 圖3(c)改變后的數(shù)據(jù)點集

    (b) 對應圖5(a)的ρ值與δ值的分布

    可以看出在圖5(a)中左側“×”簇群和圓點簇群基本不變,只是少量增加了隨機添加的數(shù)據(jù)點,而右下角“+”簇群顯然減少了許多的數(shù)據(jù)點,其中心點的密度大幅減小,簇群的邊界的范圍也被壓縮地很小,若每次聚類后其中心點的局部密度過低,則不會再將其聚類成一個簇群.動態(tài)的聚類在有數(shù)據(jù)失效后,簇群將失效的數(shù)據(jù)排除,并調整其整體密度均值,之后重復聚類時取得代表點個數(shù)也會相應減少.

    3.3 在人臉聚類分析中的應用

    現(xiàn)如今越來越多的聚類分析已經(jīng)能廣泛地應用在人們的生活中,根據(jù)增量聚類算法的特性,可以應用到許多生活中的數(shù)據(jù)處理.例如,現(xiàn)在幾乎所有人通過很多的電子設備進行照相留念,久而久之會有越來越多的照片存放在手機或者是電腦上,如何對這些照片進行清理,將有人臉的照片進行分類是具有實際價值的.

    實驗希望通過在線的聚類算法來對人臉照片進行清洗,但在做照片聚類之前需要先對照片進行預處理;實驗使用卷積神經(jīng)網(wǎng)絡的算法提取人臉特征值,卷積神經(jīng)網(wǎng)絡是近年發(fā)展起來,并引起廣泛重視的一種高效識別算法.20世紀60年代,在研究貓腦皮層中用于局部敏感和方向選擇的神經(jīng)元時發(fā)現(xiàn)其獨特的網(wǎng)絡結構可以有效地降低反饋神經(jīng)網(wǎng)絡的復雜性,繼而提出了卷積神經(jīng)網(wǎng)絡(Convolutional neural networks,簡稱CNN),借鑒了這種算法,其優(yōu)點是輸入的值是圖片,可以比較快速地提取特征值.從人臉照片中提取出相應的特征值后,需要計算不同特征值之間的差異程度,實驗使用的是聯(lián)合貝葉斯算法Joint Bayesian,至此,對照片的初始化完成.

    實驗使用了1 340張各類的初始人臉圖片進行在線聚類,也在其中添加了一些干擾圖片,包括一些不含人臉的照片.從實驗結果來看:能較好較快地實現(xiàn)人臉聚類,將不同人的照片區(qū)分開來,而隨著時間的累積,會有新的照片集進入也會有一些人工刪除的照片來模擬用戶日常的操作,實驗結果也達到我們預期的目標.圖6是取聚類后的部分實驗結果.可以看出,同一個人的照片能夠很好地聚類在一起,并且不受樣本數(shù)目的影響.

    圖6 人臉聚類效果Fig.6 Face clustering effect diagram

    4 結 論

    提出了一種基于密度峰的動態(tài)聚類算法對大數(shù)據(jù)集進行聚類.該算法使用代表點算法和簇群的密度均值來實現(xiàn)對動態(tài)大數(shù)據(jù)集聚類的優(yōu)化,在保證聚類準確率的同時大大提高了收斂速度,可適用增量大數(shù)據(jù)量的聚類分析.但是該算法研究只是考慮對大數(shù)據(jù)的增量聚類,并沒有考慮流式數(shù)據(jù)的聚類分析.在后續(xù)工作中可以進一步提高該算法的實時性,對流數(shù)據(jù)進行實時增量聚類,提取出流數(shù)據(jù)的內在規(guī)則.另外一方面,可在聚類算法應用上做進一步研究,特別是和深度學習的特征提取相結合,可進行大數(shù)據(jù)的特征分析.

    [1] JING L, NING M K, HUANG J Z. An entropy weightingk-means algorithm for subspace clustering of high-dimensional sparse data[J]. IEEE transactions on knowledge and data engineering,2007,19(8):1026-1041.

    [2] WILLIAMS C. A mcmc approach to hierarchical mixture modeling[J]. Advances in neural information processing systems,2000,45(15):680-686.

    [3] FRALEY C. Algorithms for model-based Gaussian hierarchical clustering[J]. Siam journal on scientific computing,1998,20(1):270-281.

    [4] DING C, HE X. K-nearest-neighbor consistency in data clustering: incorporating local information into global optimization[C]//ACM Symposium on Applied Computing. New York, USA: DBLP,2004:584-589.

    [5] 李潔,高新波,焦李成.一種新的特征加權模糊聚類算法[J].電子學報,2006,34(1):412-420.

    [6] GUHA S, RASTOGI R, SHIM K, et al. CURE: an efficient clustering algorithm for large databases[J]. Information systems,1998,26(1):35-58.

    [7] RIGELSFORD J. Pattern recognition: concepts, methods and applications[J]. Assembly automation,2002,22(4):318.

    [8] SUN Y, ZHU Q M, CHEN Z X. An iterative initial-points refinement algorithm for categorical data clustering[J]. Pattern recognition letters,2002,23(7):875-884.

    [9] 吳天虹,黃德才,翁挺,等.基于維度距離的混合屬性密度聚類算法研究[J].浙江工業(yè)大學學報,2009,37(4):445-448.

    [10] ESTER M, KRIEGEL H P, SANDER J, et al. Incremental clustering for mining in a data warehousing environment[C]//International Conference on Very Large Data Bases. San Francisco, USA: Morgan Kaufmann Publishers Inc,1998:323-333.

    [11] 陳寧,陳安.基于密度的增量式網(wǎng)格聚類算法[J].軟件學報,2002,13(1):1-7.

    [12] 黃永平,鄒力鹍.數(shù)據(jù)倉庫中基于密度的批量增量聚類算法[J].計算機工程與應用,2004,29:206-208.

    [13] CHEN C Y, HWANG S C, OYANG Y J. An incremental hierarchical data clustering algorithm based on gravity theory[C]//Pacific-Asia Conference on Advances in Knowledge Discovery and Data Mining. Taiwan: Springer-Verlag,2002:237-250.

    [14] CHARIKAR M, CHEKURI C, FEDER T, et al. Incremental clustering and dynamic information retrieval[C]//ACM Symposium on the Theory of Computing. New York,USA: ACM,1997:626-635.

    [15] 張忠平,陳麗萍.基于自適應模糊C-均值的增量式聚類算法[J].計算機工程,2009,35(6):60-65.

    [16] 陸億紅,翁純佳.基于三角模糊數(shù)的不確定性數(shù)據(jù)聚類算法[J].浙江工業(yè)大學學報,2016,44(4):405-409.

    [17] 張霓,陳天天,何熊熊.基于數(shù)據(jù)場和單次劃分的聚類算法[J].浙江工業(yè)大學學報,2016,44(1):52-57.

    [18] 於躍成,生佳根.基于高斯混合模型的增量式聚類[J].江蘇科技大學學報,2011,25(6):591-601.

    [19] RODRIGUEZ A, LAIO L. Clustering by fast search and find of density peaks[J]. Science,2014,27(344):1492-1496.

    (責任編輯:陳石平)

    An incremental dynamic clustering method based on the representative points and the density peaks

    ZHENG Herong, CHEN Ken, PAN Xiang

    (College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China)

    In order to solve the speed slow problem of clustering the incremental large data, this paper proposes a fast clustering method based on the representative points and the density peaks. Firstly, this algorithm uses the method of representative points to achieve clustering the incremental large data. According to deleting the invalid cluster data, the average density of cluster is adjusted. Then the algorithm of representative points is used to update the samples. Finally, the algorithm of density peaks is used to repeat clustering in order to update the core point. The experimental results show that the algorithm can effectively improve the convergence speed of the algorithm. In the application aspect, this clustering algorithm can be used in face clustering work with the large amount of data and optimize the effect of face clustering.

    timeliness; online clustering; representative points; density mean value

    2016-12-12

    浙江省科技廳項目(2016C31G2020061);浙江省自然科學基金資助項目(LY15F020024)

    鄭河榮(1971—),男,浙江溫嶺人,教授,碩士生導師,主要從事計算機圖形學與圖像處理技術研究,E-mail:hailiang@zjut.edu.cn.

    TP3

    A

    1006-4303(2017)04-0427-07

    猜你喜歡
    增量代表聚類
    提質和增量之間的“辯證”
    當代陜西(2022年6期)2022-04-19 12:12:22
    詮釋代表初心 踐行人大使命
    四季的代表
    “代表通道”新觀察
    人大建設(2020年5期)2020-09-25 08:56:38
    這個代表咋這么拗
    人大建設(2020年5期)2020-09-25 08:56:24
    “價增量減”型應用題點撥
    基于DBSACN聚類算法的XML文檔聚類
    電子測試(2017年15期)2017-12-18 07:19:27
    基于均衡增量近鄰查詢的位置隱私保護方法
    電信科學(2016年9期)2016-06-15 20:27:25
    基于改進的遺傳算法的模糊聚類算法
    德州儀器(TI)發(fā)布了一對32位增量-累加模數(shù)轉換器(ADC):ADS1262和ADS126
    欧美日韩视频高清一区二区三区二| av国产久精品久网站免费入址| 校园人妻丝袜中文字幕| 亚洲欧美中文字幕日韩二区| av黄色大香蕉| 国产精品.久久久| 国产精品无大码| 又粗又硬又长又爽又黄的视频| 欧美成人a在线观看| 色视频www国产| 国产欧美日韩精品一区二区| 两个人的视频大全免费| 五月玫瑰六月丁香| 亚洲精品国产av成人精品| 亚洲精品456在线播放app| 午夜精品国产一区二区电影| 涩涩av久久男人的天堂| 国产伦精品一区二区三区四那| 亚洲丝袜综合中文字幕| 国产精品99久久久久久久久| 久久久久国产网址| 国产男女超爽视频在线观看| 成人毛片60女人毛片免费| 午夜福利在线观看免费完整高清在| 老司机影院毛片| 九草在线视频观看| 欧美日韩综合久久久久久| kizo精华| 大又大粗又爽又黄少妇毛片口| 国产高清三级在线| 久久毛片免费看一区二区三区| 成人综合一区亚洲| 亚洲,欧美,日韩| 亚洲无线观看免费| 网址你懂的国产日韩在线| 国产精品一区二区三区四区免费观看| 你懂的网址亚洲精品在线观看| 日本免费在线观看一区| 亚洲精品视频女| 日日啪夜夜撸| av免费在线看不卡| 能在线免费看毛片的网站| 午夜精品国产一区二区电影| .国产精品久久| 少妇被粗大猛烈的视频| 久久韩国三级中文字幕| 高清毛片免费看| 亚洲性久久影院| .国产精品久久| 国产成人午夜福利电影在线观看| 国内揄拍国产精品人妻在线| 婷婷色麻豆天堂久久| 这个男人来自地球电影免费观看 | 又大又黄又爽视频免费| 九九久久精品国产亚洲av麻豆| 亚洲国产欧美在线一区| 国产男女内射视频| 综合色丁香网| 啦啦啦中文免费视频观看日本| 免费观看的影片在线观看| 免费在线观看成人毛片| 高清毛片免费看| 黄色一级大片看看| 国产伦精品一区二区三区视频9| 嫩草影院新地址| 久久精品久久久久久久性| 97超碰精品成人国产| 天天躁夜夜躁狠狠久久av| 国产亚洲欧美精品永久| 国产精品国产三级国产专区5o| 80岁老熟妇乱子伦牲交| av在线观看视频网站免费| 国产精品爽爽va在线观看网站| 狂野欧美激情性bbbbbb| 熟女av电影| 久久99精品国语久久久| av国产精品久久久久影院| 国产精品久久久久久精品古装| 久久亚洲国产成人精品v| 亚洲一区二区三区欧美精品| 日本av手机在线免费观看| 性色av一级| 人妻一区二区av| 免费高清在线观看视频在线观看| 精品少妇久久久久久888优播| 免费看av在线观看网站| 伦理电影大哥的女人| 少妇丰满av| 亚洲欧美日韩卡通动漫| 国产大屁股一区二区在线视频| 国产av精品麻豆| 日本vs欧美在线观看视频 | 久热久热在线精品观看| 黄色配什么色好看| 我的女老师完整版在线观看| 熟女人妻精品中文字幕| a级一级毛片免费在线观看| 男的添女的下面高潮视频| 多毛熟女@视频| 51国产日韩欧美| 亚洲av电影在线观看一区二区三区| 欧美精品亚洲一区二区| 国产成人一区二区在线| 在线观看一区二区三区| 91精品伊人久久大香线蕉| 国产欧美日韩一区二区三区在线 | 国产精品麻豆人妻色哟哟久久| 欧美三级亚洲精品| 男女国产视频网站| 男人狂女人下面高潮的视频| 国产男女超爽视频在线观看| 美女国产视频在线观看| 国产精品久久久久久精品电影小说 | 日本黄大片高清| 五月玫瑰六月丁香| 人妻系列 视频| 人妻一区二区av| 五月伊人婷婷丁香| 美女福利国产在线 | 免费高清在线观看视频在线观看| av在线播放精品| 中文字幕制服av| 亚洲性久久影院| 人妻夜夜爽99麻豆av| 内射极品少妇av片p| 欧美3d第一页| 在线免费观看不下载黄p国产| 人妻系列 视频| 国产日韩欧美在线精品| 99国产精品免费福利视频| 免费看光身美女| 欧美日韩一区二区视频在线观看视频在线| 欧美亚洲 丝袜 人妻 在线| 亚洲国产精品专区欧美| 国产精品女同一区二区软件| 一本久久精品| 欧美丝袜亚洲另类| 又爽又黄a免费视频| 尾随美女入室| 国产有黄有色有爽视频| 亚洲欧美精品专区久久| 国产亚洲91精品色在线| 国产免费一区二区三区四区乱码| 免费看日本二区| 九草在线视频观看| 国产男人的电影天堂91| 亚洲精品中文字幕在线视频 | 国产精品人妻久久久久久| 自拍偷自拍亚洲精品老妇| 亚洲色图综合在线观看| 日韩视频在线欧美| 日本午夜av视频| 91精品伊人久久大香线蕉| 国产色爽女视频免费观看| 国产精品一区二区性色av| 伦理电影免费视频| 尤物成人国产欧美一区二区三区| 亚洲av国产av综合av卡| 好男人视频免费观看在线| 国产日韩欧美在线精品| 一区在线观看完整版| 久久韩国三级中文字幕| 少妇精品久久久久久久| av网站免费在线观看视频| 国产精品欧美亚洲77777| 毛片一级片免费看久久久久| 偷拍熟女少妇极品色| 精品人妻偷拍中文字幕| 国产精品福利在线免费观看| 日本vs欧美在线观看视频 | 色吧在线观看| 亚洲四区av| 国产精品蜜桃在线观看| 人人妻人人看人人澡| 美女脱内裤让男人舔精品视频| 亚洲欧美精品专区久久| 精品一区在线观看国产| 久久国内精品自在自线图片| 老熟女久久久| 精品酒店卫生间| 美女主播在线视频| 久久 成人 亚洲| 中文字幕人妻熟人妻熟丝袜美| 亚洲av欧美aⅴ国产| 成人18禁高潮啪啪吃奶动态图 | 午夜免费鲁丝| tube8黄色片| 午夜日本视频在线| 国产高清有码在线观看视频| 免费人成在线观看视频色| 免费高清在线观看视频在线观看| 久久99热这里只频精品6学生| 97热精品久久久久久| 美女主播在线视频| 亚洲精品aⅴ在线观看| 亚洲精品日韩av片在线观看| 国产成人91sexporn| 免费不卡的大黄色大毛片视频在线观看| 国产成人91sexporn| 一级a做视频免费观看| 日日摸夜夜添夜夜爱| 亚洲内射少妇av| 丰满少妇做爰视频| 亚洲av不卡在线观看| 日韩在线高清观看一区二区三区| 欧美精品一区二区大全| 精品久久久久久电影网| 日本爱情动作片www.在线观看| 免费在线观看成人毛片| 久久久精品免费免费高清| 亚洲电影在线观看av| 日韩不卡一区二区三区视频在线| 嫩草影院新地址| 人妻系列 视频| 亚洲无线观看免费| 国产精品偷伦视频观看了| 欧美性感艳星| 黄色配什么色好看| 日韩三级伦理在线观看| 中文字幕免费在线视频6| 全区人妻精品视频| 91在线精品国自产拍蜜月| 又黄又爽又刺激的免费视频.| 国产乱人视频| 午夜福利影视在线免费观看| 日韩,欧美,国产一区二区三区| 一级毛片 在线播放| 国产乱来视频区| 国产男女超爽视频在线观看| 嫩草影院新地址| 精品久久久噜噜| av免费观看日本| 中文乱码字字幕精品一区二区三区| 国产伦在线观看视频一区| 最近最新中文字幕免费大全7| 国产精品一二三区在线看| 老司机影院毛片| 搡老乐熟女国产| 精品人妻一区二区三区麻豆| 日本av免费视频播放| 亚洲av免费高清在线观看| 欧美人与善性xxx| 久久久久视频综合| 亚洲精品国产av蜜桃| 91久久精品电影网| 国产在视频线精品| 看免费成人av毛片| 亚洲国产精品一区三区| 欧美97在线视频| 国产一区二区在线观看日韩| 国产视频内射| av网站免费在线观看视频| 男男h啪啪无遮挡| 国产又色又爽无遮挡免| 国产亚洲91精品色在线| 老师上课跳d突然被开到最大视频| freevideosex欧美| 女性被躁到高潮视频| 国产在线免费精品| 色哟哟·www| 亚洲人成网站在线播| 91久久精品电影网| av不卡在线播放| www.av在线官网国产| 精品久久久久久久久av| 97在线人人人人妻| 日韩中字成人| 亚洲精品中文字幕在线视频 | 五月开心婷婷网| 色哟哟·www| 51国产日韩欧美| 国产精品人妻久久久久久| 亚洲精品日韩在线中文字幕| 嫩草影院新地址| 18禁动态无遮挡网站| 国产成人精品福利久久| 高清日韩中文字幕在线| 成年人午夜在线观看视频| 男人添女人高潮全过程视频| 这个男人来自地球电影免费观看 | 国产欧美日韩一区二区三区在线 | 国产 精品1| 久久婷婷青草| 免费高清在线观看视频在线观看| 久久99热这里只频精品6学生| 91精品国产九色| 亚洲欧美日韩东京热| 最黄视频免费看| 国产免费视频播放在线视频| 在线观看一区二区三区激情| 国产黄色免费在线视频| 国产免费视频播放在线视频| 成人美女网站在线观看视频| 国产精品一区二区在线观看99| 国产一区二区三区av在线| 亚洲精品一二三| 夜夜看夜夜爽夜夜摸| 久久久久久久久大av| 久久午夜福利片| 中文在线观看免费www的网站| 熟女电影av网| 最黄视频免费看| 九草在线视频观看| 这个男人来自地球电影免费观看 | 久久综合国产亚洲精品| 亚洲欧美日韩另类电影网站 | 日产精品乱码卡一卡2卡三| 搡老乐熟女国产| 女的被弄到高潮叫床怎么办| 欧美区成人在线视频| 自拍欧美九色日韩亚洲蝌蚪91 | 国产视频内射| 老司机影院毛片| 国国产精品蜜臀av免费| 国产精品久久久久久精品古装| 成人高潮视频无遮挡免费网站| 欧美国产精品一级二级三级 | 夜夜看夜夜爽夜夜摸| 久久国产亚洲av麻豆专区| 久久亚洲国产成人精品v| 日韩av免费高清视频| 乱码一卡2卡4卡精品| 99热国产这里只有精品6| 久久精品国产亚洲网站| 久久精品人妻少妇| 国产精品久久久久久精品电影小说 | 国产精品三级大全| 黄色欧美视频在线观看| 777米奇影视久久| 日日啪夜夜爽| 亚洲美女视频黄频| 国产精品伦人一区二区| 一区二区三区精品91| 黄色视频在线播放观看不卡| 成人毛片a级毛片在线播放| 美女cb高潮喷水在线观看| 黄色一级大片看看| 久久久久久久精品精品| 伊人久久精品亚洲午夜| 天堂8中文在线网| 免费看不卡的av| 国产亚洲欧美精品永久| 国产淫语在线视频| 免费久久久久久久精品成人欧美视频 | 高清毛片免费看| 网址你懂的国产日韩在线| 国产精品秋霞免费鲁丝片| 久久久久久久精品精品| 精品久久国产蜜桃| 干丝袜人妻中文字幕| 在线观看免费视频网站a站| av网站免费在线观看视频| 99久久中文字幕三级久久日本| 国产精品熟女久久久久浪| 一级毛片aaaaaa免费看小| 这个男人来自地球电影免费观看 | 一个人看的www免费观看视频| 国产精品一区二区三区四区免费观看| 男女免费视频国产| 日韩国内少妇激情av| 99热网站在线观看| 亚洲欧美一区二区三区国产| 女人久久www免费人成看片| 又粗又硬又长又爽又黄的视频| 久久99热6这里只有精品| 精品国产露脸久久av麻豆| 黑人猛操日本美女一级片| 丝瓜视频免费看黄片| 亚洲av欧美aⅴ国产| 毛片一级片免费看久久久久| 成人综合一区亚洲| 国产一区二区三区av在线| 国产精品久久久久久av不卡| 亚洲国产成人一精品久久久| 精品酒店卫生间| 一区在线观看完整版| 搡老乐熟女国产| 国产美女午夜福利| 久久精品熟女亚洲av麻豆精品| 亚洲电影在线观看av| 精品国产乱码久久久久久小说| 色哟哟·www| 99久久精品国产国产毛片| 亚洲国产精品国产精品| av福利片在线观看| 精品一区在线观看国产| av线在线观看网站| 欧美亚洲 丝袜 人妻 在线| 18禁裸乳无遮挡免费网站照片| 蜜桃在线观看..| 亚洲天堂av无毛| 国产免费一区二区三区四区乱码| 亚洲精华国产精华液的使用体验| www.色视频.com| 男女下面进入的视频免费午夜| 亚洲欧美清纯卡通| 尾随美女入室| 日韩大片免费观看网站| 超碰97精品在线观看| 一级毛片黄色毛片免费观看视频| 一级毛片电影观看| 欧美3d第一页| 寂寞人妻少妇视频99o| 夫妻午夜视频| av线在线观看网站| av在线观看视频网站免费| 国产精品久久久久成人av| 亚洲最大成人中文| 国产男女内射视频| 国产深夜福利视频在线观看| 黄片无遮挡物在线观看| 高清欧美精品videossex| 99re6热这里在线精品视频| xxx大片免费视频| 久久久久久久国产电影| 国产乱人视频| 午夜福利影视在线免费观看| 十八禁网站网址无遮挡 | 久久精品国产自在天天线| 国产精品99久久99久久久不卡 | 王馨瑶露胸无遮挡在线观看| 99热这里只有是精品50| 少妇被粗大猛烈的视频| 熟女人妻精品中文字幕| 亚洲av二区三区四区| 在线观看美女被高潮喷水网站| 男人添女人高潮全过程视频| 国产精品秋霞免费鲁丝片| 免费看av在线观看网站| 亚洲av欧美aⅴ国产| 18禁裸乳无遮挡免费网站照片| 国产成人freesex在线| 国产男女内射视频| 精品亚洲成国产av| 3wmmmm亚洲av在线观看| 久久久久国产精品人妻一区二区| 国产成人精品久久久久久| 久久午夜福利片| 伦理电影大哥的女人| 噜噜噜噜噜久久久久久91| 免费人成在线观看视频色| 91久久精品国产一区二区三区| 亚洲精品国产av蜜桃| 两个人的视频大全免费| 亚洲欧美日韩另类电影网站 | 在线 av 中文字幕| 亚洲av中文av极速乱| 国产精品一二三区在线看| 深夜a级毛片| 少妇 在线观看| 全区人妻精品视频| 国产白丝娇喘喷水9色精品| 国产精品国产三级国产av玫瑰| 国产v大片淫在线免费观看| 岛国毛片在线播放| av一本久久久久| 国产日韩欧美亚洲二区| 成人黄色视频免费在线看| 婷婷色综合www| 一级毛片aaaaaa免费看小| 久久久久久伊人网av| 王馨瑶露胸无遮挡在线观看| 亚洲色图综合在线观看| 乱码一卡2卡4卡精品| 久久99热这里只有精品18| 国产69精品久久久久777片| 亚洲av国产av综合av卡| 亚洲精品日本国产第一区| 亚洲第一区二区三区不卡| videossex国产| 高清视频免费观看一区二区| 青青草视频在线视频观看| 十八禁网站网址无遮挡 | 欧美另类一区| 亚洲人成网站在线观看播放| 亚洲精品国产色婷婷电影| 免费看不卡的av| 欧美三级亚洲精品| 国产黄片视频在线免费观看| 久热这里只有精品99| 久久人人爽人人爽人人片va| 日本欧美视频一区| 亚州av有码| 美女视频免费永久观看网站| 欧美日韩视频精品一区| 欧美 日韩 精品 国产| 久久精品久久久久久噜噜老黄| 蜜桃久久精品国产亚洲av| 观看av在线不卡| 久久精品久久久久久久性| 亚洲欧美日韩无卡精品| 亚洲国产成人一精品久久久| 搡女人真爽免费视频火全软件| 亚洲国产精品国产精品| av国产免费在线观看| 国产欧美日韩一区二区三区在线 | 80岁老熟妇乱子伦牲交| 国产亚洲午夜精品一区二区久久| a级一级毛片免费在线观看| 多毛熟女@视频| 少妇的逼水好多| 成人18禁高潮啪啪吃奶动态图 | 久久久久久久精品精品| 国产精品.久久久| 亚洲婷婷狠狠爱综合网| 国产男女超爽视频在线观看| 日韩免费高清中文字幕av| 高清午夜精品一区二区三区| 成年人午夜在线观看视频| 日韩一本色道免费dvd| 免费在线观看成人毛片| 汤姆久久久久久久影院中文字幕| 国产无遮挡羞羞视频在线观看| 欧美日韩在线观看h| 国产精品久久久久久久久免| 成人黄色视频免费在线看| 国产欧美日韩一区二区三区在线 | 高清视频免费观看一区二区| 免费观看性生交大片5| 人妻制服诱惑在线中文字幕| 少妇猛男粗大的猛烈进出视频| 成人亚洲欧美一区二区av| 丰满少妇做爰视频| 天堂中文最新版在线下载| av女优亚洲男人天堂| 国产高潮美女av| 精品人妻熟女av久视频| 日韩一本色道免费dvd| 亚洲人与动物交配视频| 久久久午夜欧美精品| 午夜激情福利司机影院| 久久精品人妻少妇| 精品人妻熟女av久视频| 精品人妻偷拍中文字幕| 久久久久性生活片| 国产精品偷伦视频观看了| 少妇人妻精品综合一区二区| 国产精品偷伦视频观看了| 蜜桃亚洲精品一区二区三区| 一区二区av电影网| 中文在线观看免费www的网站| 亚洲精品色激情综合| 国产在线男女| 天堂8中文在线网| 国产在线免费精品| 一级毛片我不卡| av福利片在线观看| 国产精品久久久久成人av| 亚洲国产高清在线一区二区三| 大香蕉97超碰在线| 高清黄色对白视频在线免费看 | av国产久精品久网站免费入址| 免费av不卡在线播放| 久久午夜福利片| 亚洲成人av在线免费| 一本久久精品| 在线看a的网站| 最近2019中文字幕mv第一页| freevideosex欧美| 超碰97精品在线观看| 看非洲黑人一级黄片| 亚洲国产成人一精品久久久| 日韩制服骚丝袜av| 国产亚洲av片在线观看秒播厂| 国产一区亚洲一区在线观看| 精品一区二区三卡| 夫妻午夜视频| 亚洲国产精品999| 日韩成人av中文字幕在线观看| 伦理电影大哥的女人| 一区二区三区乱码不卡18| 久久人妻熟女aⅴ| 女性被躁到高潮视频| 亚洲精品视频女| 91精品国产九色| 国产伦精品一区二区三区视频9| 一个人免费看片子| 大片电影免费在线观看免费| 纯流量卡能插随身wifi吗| 精品一区二区三卡| 国产精品福利在线免费观看| 久久久久性生活片| 少妇丰满av| 黄色欧美视频在线观看| 精品一区在线观看国产| 国产成人一区二区在线| 啦啦啦视频在线资源免费观看| 三级经典国产精品| 在现免费观看毛片| 日产精品乱码卡一卡2卡三| 欧美成人精品欧美一级黄| 视频区图区小说| 美女高潮的动态| 女性生殖器流出的白浆| 热99国产精品久久久久久7| av播播在线观看一区| 亚洲av不卡在线观看| 国产精品av视频在线免费观看| 成人美女网站在线观看视频| 国产精品一区二区在线不卡| 国产精品.久久久| 插阴视频在线观看视频| 日韩欧美 国产精品| 美女高潮的动态| 久久久久精品久久久久真实原创| 老熟女久久久| 亚洲av福利一区| 少妇的逼水好多| 视频中文字幕在线观看| 国产白丝娇喘喷水9色精品| 性色avwww在线观看| 国内少妇人妻偷人精品xxx网站| 99热这里只有是精品在线观看| 国内揄拍国产精品人妻在线| 一级爰片在线观看|