針對(duì)譜聚類存在計(jì)算瓶頸的問題，提出了一種快速的集成算法，稱為間接譜聚類。它首先運(yùn)用K-Means算法對(duì)數(shù)據(jù)集進(jìn)行過分聚類，然后把每個(gè)過分簇看成一個(gè)基本對(duì)象，最后在過分簇的級(jí)別上利用標(biāo)準(zhǔn)譜聚類來完成總體的聚類。將該思想應(yīng)用于大文本數(shù)據(jù)集的聚類問題后，過分簇中心之間的相似性度度量方法可以采用常用的余弦距離法。在20-Newgroups大本數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明：間接譜聚類算法在聚類準(zhǔn)確性上比K-Means算法平均高出14. 72%；比規(guī)范割譜聚類僅低0.88%，但算法所需的計(jì)算時(shí)間平均不到規(guī)范割譜聚類的1/16，且隨著數(shù)據(jù)集的增大當(dāng)規(guī)范割譜聚類遭遇計(jì)算瓶頸時(shí)，提出的算法卻能快速地給出次優(yōu)解。
?