计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2009年
6期
210-212
,共3页
半监督聚类%密度敏感%聚类假设
半鑑督聚類%密度敏感%聚類假設
반감독취류%밀도민감%취류가설
根据聚类假设,提出一种新的基于图的半监督学习算法,称为密度敏感的半监督聚类.该算法引入一种密度敏感的距离测度,它能较好地反映聚类假设,并且充分挖掘了数据集中复杂的内在结构信息,同时与基于图的半监督学习方法相结合,使得算法在聚类性能上有了显著的提高.经过实验仿真进一步表明,该算法在特定图像应用上具有优越性.
根據聚類假設,提齣一種新的基于圖的半鑑督學習算法,稱為密度敏感的半鑑督聚類.該算法引入一種密度敏感的距離測度,它能較好地反映聚類假設,併且充分挖掘瞭數據集中複雜的內在結構信息,同時與基于圖的半鑑督學習方法相結閤,使得算法在聚類性能上有瞭顯著的提高.經過實驗倣真進一步錶明,該算法在特定圖像應用上具有優越性.
근거취류가설,제출일충신적기우도적반감독학습산법,칭위밀도민감적반감독취류.해산법인입일충밀도민감적거리측도,타능교호지반영취류가설,병차충분알굴료수거집중복잡적내재결구신식,동시여기우도적반감독학습방법상결합,사득산법재취류성능상유료현저적제고.경과실험방진진일보표명,해산법재특정도상응용상구유우월성.