基于半监督学习的k平均聚类框架

被引：7

作者：

陈新泉 ^{[1
]}

苏锦钿 ^{[2
]}

机构：

[1] 电子科技大学互联网科学中心

[2] 华南理工大学计算机科学与工程学院

来源：

广西大学学报(自然科学版) | 2014年 / 39卷 / 05期

关键词：

半监督学习; 混合属性; k平均聚类; 归属度;

D O I：

10.13624/j.cnki.issn.1001-7445.2014.05.026

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

为克服k-means算法难以探测出一些局部分布稀疏不均、聚类区域的形状与大小不规整数据点集的聚类分布结构这个缺点,在半监督学习思想的指导下,针对混合属性空间区域中具有同一分布性质的带有类别标记的小样本数据集和无类别标记的大样本数据集,提出了一种基于半监督学习的k平均聚类框架。仿真实验表明:该框架经常能取得比k-means更好的聚类精度,从而说明这个半监督学习框架具有一定的有效性。

引用

页码：1074 / 1082

页数：9

共 8 条

[1]

An initialization method for the K-Means algorithm using neighborhood model [J].