CAJ | 학술논문

半监督学习是近年来机器学习领域中的一个重要研究方向,其监督信息的质量对半监督聚类的结果影响很大,主动学习高质量的监督信息很有必要.提出一种纠错式主动学习成对约束的方法,该算法通过寻找聚类算法本身不能发现的成对约束监督信息,将其引入谱聚类算法,并利用该监督信息来调整谱聚类中点与点之间的距离矩阵.采用双向寻找的方法,将点与点间距离进行排序,使得学习器即使在接收到没有标记的数据时也能进行主动学习,实现了在较少的约束下可得到较好的聚类结果.同时,该算法降低了计算复杂度,解决了聚类过程中成对约束的奇异问题.通过在UCI基准数据集以及人工数据集的实验表明,算法的性能好于相关对比算法,并优于采用随机选取监督信息的谱聚类性能.
반감독학습시근년래궤기학습영역중적일개중요연구방향,기감독신식적질량대반감독취류적결과영향흔대,주동학습고질량적감독신식흔유필요.제출일충규착식주동학습성대약속적방법,해산법통과심조취류산법본신불능발현적성대약속감독신식,장기인입보취류산법,병이용해감독신식래조정보취류중점여점지간적거리구진.채용쌍향심조적방법,장점여점간거리진행배서,사득학습기즉사재접수도몰유표기적수거시야능진행주동학습,실현료재교소적약속하가득도교호적취류결과.동시,해산법강저료계산복잡도,해결료취류과정중성대약속적기이문제.통과재UCI기준수거집이급인공수거집적실험표명,산법적성능호우상관대비산법,병우우채용수궤선취감독신식적보취류성능.