摘要：針對經(jīng)典譜聚類算法無法自適應確定聚類數(shù)目,以及在處理大數(shù)據(jù)量的聚類問題時效率不高的問題,提出了一種基于密度峰值優(yōu)化的譜聚類算法。該方法首先計算數(shù)據(jù)對象的局部密度,以及每個數(shù)據(jù)對象與其他數(shù)據(jù)對象的最小距離,并依據(jù)一定的規(guī)則自適應產(chǎn)生初始聚類中心,確定聚類數(shù)目;然后使用Nystrom抽樣來降低特征分解的計算復雜度,以達到提高譜聚類算法的效率。實驗結果表明,該方法能夠準確地得到聚類數(shù)目,并且有效提高了聚類的準確率和效率。