一种基于Seeds集和成对约束的主动半监督聚类算法

摘要：

针对半监督聚类算法中监督信息使用不充分,监督信息中信息含有量低的问题,提出一种结合主动学习的半监督聚类算法.首先结合使用数据的类别标记和成对约束信息,指导Kmeans聚类过程,设计出一种基于Seeds集和成对约束的半监督聚类算法SC-Kmeans;其次将主动学习算法引入到SC-Kmeans中,以尽量小的代价选取信息含有量更高的监督信息,提高SC-Kmeans算法的聚类精度;最后在UCI标准数据集上进行仿真实验.实验结果表明,该算法取得了较好的聚类效果,有效提高了聚类准确率.

关键词：半监督聚类、Kmeans算法、成对约束、Seeds集、主动学习

所属期刊栏目：55

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金重点项目61133011;吉林省科技发展计划重点科技攻关项目20150204005GX;长春市科技计划重大科技攻关项目14KG082

在线出版日期：2017-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：664-672