半监督的改进K-均值聚类算法

摘要：

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.

关键词：半监督学习、K-均值聚类、标签样本、最小生成树

所属期刊栏目：45

分类号：TF391.4(冶金机械、冶金生产自动化)

资助基金：国家自然科学基金专项基金the Special Funds of the National Natural Science Foundation of China Grant 10826098

在线出版日期：2009-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：137-139