计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2008年
10期
2513-2516
,共4页
李志圣%孙越恒%何丕廉%侯越先
李誌聖%孫越恆%何丕廉%侯越先
리지골%손월항%하비렴%후월선
k-means%单类学习%半监督学习%single-means
k-means%單類學習%半鑑督學習%single-means
k-means%단류학습%반감독학습%single-means
提出了一个基于k-means算法框架和半监督机制的single-means算法,以解决单类中心学习问题.k-means算法实质上是对一种混合高斯模型的期望最大化(EM)算法的近似.对该模型随机生成的多类混合数据集,从目标类中随机标定的初始中心出发,能确定地收敛到该类的实际中心.将single-means算法应用到对单类文本中心学习问题中,实验结果表明:在给定目标类中的小标定文本集后,新算法能够有效地改进类的初始中心,且对数据稀疏和方差较大的实际问题具有健壮性.
提齣瞭一箇基于k-means算法框架和半鑑督機製的single-means算法,以解決單類中心學習問題.k-means算法實質上是對一種混閤高斯模型的期望最大化(EM)算法的近似.對該模型隨機生成的多類混閤數據集,從目標類中隨機標定的初始中心齣髮,能確定地收斂到該類的實際中心.將single-means算法應用到對單類文本中心學習問題中,實驗結果錶明:在給定目標類中的小標定文本集後,新算法能夠有效地改進類的初始中心,且對數據稀疏和方差較大的實際問題具有健壯性.
제출료일개기우k-means산법광가화반감독궤제적single-means산법,이해결단류중심학습문제.k-means산법실질상시대일충혼합고사모형적기망최대화(EM)산법적근사.대해모형수궤생성적다류혼합수거집,종목표류중수궤표정적초시중심출발,능학정지수렴도해류적실제중심.장single-means산법응용도대단류문본중심학습문제중,실험결과표명:재급정목표류중적소표정문본집후,신산법능구유효지개진류적초시중심,차대수거희소화방차교대적실제문제구유건장성.
