计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2013年
8期
2897-2902
,共6页
半监督聚类%主动学习%成对约束%约束集%k-means
半鑑督聚類%主動學習%成對約束%約束集%k-means
반감독취류%주동학습%성대약속%약속집%k-means
semi-supervised clustering%active learning%pairwise constraint%constraint set%k-means
为了解决半监督聚类先验知识少、聚类偏差大的问题,提出了基于成对约束的主动半监督聚类算法.引入主动学习算法,增加约束集的信息量以使聚类效果更好；利用该约束集建立投影矩阵映射数据到低维空间,便于计算并提高聚类效果.算法中提出闭包替代思想,试图简化样本空间,以期获得降低聚类偏差的可能.由于聚类算法的实施对象是低维数据,成对约束集信息量大,聚类的时间效率以及性能均可保证.实验结果表明,采用主动学习的半监督聚类算法聚类效果提升显著,高效合理.
為瞭解決半鑑督聚類先驗知識少、聚類偏差大的問題,提齣瞭基于成對約束的主動半鑑督聚類算法.引入主動學習算法,增加約束集的信息量以使聚類效果更好；利用該約束集建立投影矩陣映射數據到低維空間,便于計算併提高聚類效果.算法中提齣閉包替代思想,試圖簡化樣本空間,以期穫得降低聚類偏差的可能.由于聚類算法的實施對象是低維數據,成對約束集信息量大,聚類的時間效率以及性能均可保證.實驗結果錶明,採用主動學習的半鑑督聚類算法聚類效果提升顯著,高效閤理.
위료해결반감독취류선험지식소、취류편차대적문제,제출료기우성대약속적주동반감독취류산법.인입주동학습산법,증가약속집적신식량이사취류효과경호；이용해약속집건립투영구진영사수거도저유공간,편우계산병제고취류효과.산법중제출폐포체대사상,시도간화양본공간,이기획득강저취류편차적가능.유우취류산법적실시대상시저유수거,성대약속집신식량대,취류적시간효솔이급성능균가보증.실험결과표명,채용주동학습적반감독취류산법취류효과제승현저,고효합리.
