计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
15期
177-180
,共4页
半监督学习%成对约束%半监督谱聚类%距离矩阵
半鑑督學習%成對約束%半鑑督譜聚類%距離矩陣
반감독학습%성대약속%반감독보취류%거리구진
semi-supervised learning%pair-wise constraint%semi-supervised spectral clustering%distance matrix
通过对几种典型聚类算法的分析和比较，提出了一种新的聚类算法，基于扩展约束的半监督谱聚类算法，简称CE-SSC。这种算法扩展了已知约束集，通过密度敏感距离改变样本点的相似关系，结合半监督谱聚类进行聚类。在UCI基准集上的仿真实验结果证明，基于扩展约束的半监督谱聚类算法具有良好的聚类效应。
通過對幾種典型聚類算法的分析和比較，提齣瞭一種新的聚類算法，基于擴展約束的半鑑督譜聚類算法，簡稱CE-SSC。這種算法擴展瞭已知約束集，通過密度敏感距離改變樣本點的相似關繫，結閤半鑑督譜聚類進行聚類。在UCI基準集上的倣真實驗結果證明，基于擴展約束的半鑑督譜聚類算法具有良好的聚類效應。
통과대궤충전형취류산법적분석화비교，제출료일충신적취류산법，기우확전약속적반감독보취류산법，간칭CE-SSC。저충산법확전료이지약속집，통과밀도민감거리개변양본점적상사관계，결합반감독보취류진행취류。재UCI기준집상적방진실험결과증명，기우확전약속적반감독보취류산법구유량호적취류효응。
Based on several typical clustering algorithm analysis and comparison, this paper proposes a new clustering based on constraint expansion(CESSC). This algorithm expands the known constraints set, changes the similarity relation of the sample points through the density-sensitive path distance, and then combines with semi-supervised spectral clustering to cluster. Experimental results on UCI benchmark data sets prove that CESSC algorithm has good clustering effect.
