计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
33期
212-214
,共3页
谱聚类%半监督%自适应%模糊核C-均值(FKCM)
譜聚類%半鑑督%自適應%模糊覈C-均值(FKCM)
보취류%반감독%자괄응%모호핵C-균치(FKCM)
半监督聚类利用少部分标签的数据辅助大量未标签的数据进行非监督的学习,从而提高聚类的性能.大部分的谱聚类算法都需事先确定聚类数目,利用半监督机器学习技术和自适应聚类算法,解决算法中存在的聚类数目需要事先确定、易陷入局部最优、收敛速度缓慢、对孤立点敏感等缺陷.实验证明该算法有很好的聚类效果.
半鑑督聚類利用少部分標籤的數據輔助大量未標籤的數據進行非鑑督的學習,從而提高聚類的性能.大部分的譜聚類算法都需事先確定聚類數目,利用半鑑督機器學習技術和自適應聚類算法,解決算法中存在的聚類數目需要事先確定、易陷入跼部最優、收斂速度緩慢、對孤立點敏感等缺陷.實驗證明該算法有很好的聚類效果.
반감독취류이용소부분표첨적수거보조대량미표첨적수거진행비감독적학습,종이제고취류적성능.대부분적보취류산법도수사선학정취류수목,이용반감독궤기학습기술화자괄응취류산법,해결산법중존재적취류수목수요사선학정、역함입국부최우、수렴속도완만、대고립점민감등결함.실험증명해산법유흔호적취류효과.
