计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
24期
136-138,162
,共4页
半监督聚类%成对约束%核%模糊聚类
半鑑督聚類%成對約束%覈%模糊聚類
반감독취류%성대약속%핵%모호취류
在机器学习和数据挖掘中,带约束的半监督聚类是一个活跃的研究领域.为了利用约束条件获得表现更优异的聚类效果,提出了一种成对约束的属性加权半监督聚类算法,该方法充分考虑了属性间的不平衡性,在传统模糊聚类算法中融合半监督学习机制并通过Mercer核把原始的观察空间映射到高维特征空间.实验结果表明,该算法优于相似的成对约束的竞争群算法(PCCA).
在機器學習和數據挖掘中,帶約束的半鑑督聚類是一箇活躍的研究領域.為瞭利用約束條件穫得錶現更優異的聚類效果,提齣瞭一種成對約束的屬性加權半鑑督聚類算法,該方法充分攷慮瞭屬性間的不平衡性,在傳統模糊聚類算法中融閤半鑑督學習機製併通過Mercer覈把原始的觀察空間映射到高維特徵空間.實驗結果錶明,該算法優于相似的成對約束的競爭群算法(PCCA).
재궤기학습화수거알굴중,대약속적반감독취류시일개활약적연구영역.위료이용약속조건획득표현경우이적취류효과,제출료일충성대약속적속성가권반감독취류산법,해방법충분고필료속성간적불평형성,재전통모호취류산법중융합반감독학습궤제병통과Mercer핵파원시적관찰공간영사도고유특정공간.실험결과표명,해산법우우상사적성대약속적경쟁군산법(PCCA).
