计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
28期
137-139
,共3页
半监督学习%K-均值聚类%标签样本%最小生成树
半鑑督學習%K-均值聚類%標籤樣本%最小生成樹
반감독학습%K-균치취류%표첨양본%최소생성수
K-均值聚类算法必须事先获取聚类数目,并且随机地选取聚类初始中心会造成聚类结果不稳定,容易在获得一个局部最优值时终止.提出了一种基于半监督学习理论的改进K-均值聚类算法,利用少量标签数据建立图的最小生成树并迭代分裂获取K-均值聚类算法所需要的聚类数和初始聚类中心.在IRIS数据集上的实验表明,尽管随机样本构造的生成树不同,聚类中心也不同,但聚类是一致且稳定的,迭代的次数较少,验证了该文算法的有效性.
K-均值聚類算法必鬚事先穫取聚類數目,併且隨機地選取聚類初始中心會造成聚類結果不穩定,容易在穫得一箇跼部最優值時終止.提齣瞭一種基于半鑑督學習理論的改進K-均值聚類算法,利用少量標籤數據建立圖的最小生成樹併迭代分裂穫取K-均值聚類算法所需要的聚類數和初始聚類中心.在IRIS數據集上的實驗錶明,儘管隨機樣本構造的生成樹不同,聚類中心也不同,但聚類是一緻且穩定的,迭代的次數較少,驗證瞭該文算法的有效性.
K-균치취류산법필수사선획취취류수목,병차수궤지선취취류초시중심회조성취류결과불은정,용역재획득일개국부최우치시종지.제출료일충기우반감독학습이론적개진K-균치취류산법,이용소량표첨수거건립도적최소생성수병질대분렬획취K-균치취류산법소수요적취류수화초시취류중심.재IRIS수거집상적실험표명,진관수궤양본구조적생성수불동,취류중심야불동,단취류시일치차은정적,질대적차수교소,험증료해문산법적유효성.