半监督聚类中基于密度的约束扩展方法

被引:8
作者
张亮
李敏强
机构
[1] 天津大学管理学院
关键词
半监督聚类; 基于密度的距离; 约束扩展;
D O I
暂无
中图分类号
TP311.13 [];
学科分类号
1201 ;
摘要
现有的半监督聚类方法较少利用数据集空间结构信息,限制了聚类算法的性能。该文提出一种基于密度的约束扩展方法(DCE),将数据集以图的形式表达,定义一种基于密度的图形相似度。根据样本点间的距离和相似度关系,对已知约束集进行扩展,扩展后的约束集可用于各种半监督聚类算法。以约束完全连接聚类和成对约束K均值方法为例,说明了约束扩展方法的应用。实验表明,DCE能够有效地提升半监督聚类算法的性能。
引用
收藏
页码:13 / 15
页数:3
相关论文
共 2 条
[1]   Locally linear metric adaptation with application to semi-supervised clustering and image retrieval [J].
Chang, Hong ;
Yeung, Dit-Yan .
PATTERN RECOGNITION, 2006, 39 (07) :1253-1264
[2]  
Constrained K-Means Clustering with Background Knowledge .2 Wagstaff K,Cardie C,Rogers S,et al. Proceedings of the 18th International Conference on Machine Learning . 2001