半监督谱聚类特征向量选择算法

被引：29

作者：

赵凤

焦李成

刘汉强

公茂果

机构：

[1] 西安电子科技大学智能感知与图像理解教育部重点实验室

来源：

模式识别与人工智能 | 2011年 / 24卷 / 01期

关键词：

谱聚类; 特征向量选择; 半监督学习; 免疫克隆选择;

D O I：

10.16451/j.cnki.issn1003-6059.2011.01.013

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

对于一个K类问题,Ng-Jordan-Weiss(NJW)谱聚类算法通常采用数据规范化亲和度矩阵的前K个最大特征值对应的特征向量作为数据的一种表示.然而,对于某些模式识别问题,这K个特征向量不一定能够体现原始数据的结构.文中提出一种半监督谱聚类特征向量选择算法.该算法利用一定量的监督信息寻找能够体现数据结构的特征向量组合,进而获得优于传统谱聚类算法的聚类性能.UCI标准数据集和MNIST手写体数据集上的仿真实验验证该算法的有效性和鲁棒性.

引用

页码：48 / 56

页数：9

共 6 条

[1] 基于矩阵谱分析的文本聚类集成算法 [J].

徐森 ;

卢志茂 ;

顾国昌 .

模式识别与人工智能, 2009, 22 (05) :780-786

[2] 密度敏感的半监督谱聚类 [J].

王玲 ;

薄列峰 ;

焦李成 .

软件学报, 2007, (10) :2412-2422

[3]

免疫优化计算、学习与识别[M]. 科学出版社 , 焦李成[等]著, 2006

[4] Object detection using feature subset selection [J].

Sun, ZH ;

Bebis, G ;

Miller, R .

PATTERN RECOGNITION, 2004, 37 (11) :2165-2176

[5] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .

DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167

[6]

An Improved Spectral Graph Partitioning Algorithm for Mapping Parallel Computations .2 Hendrickson B,Leland R. SIAM Journal on Scientific Computing . 1995

← 1 →