基于EMD距离的多示例聚类

摘要：

多示例学习中,包由多个示例组成,有明确标记,而示例标记却不确定.已有聚类研究都针对单示例、单标记,因而无法直接应用于多示例问题.基于推土机距离(earth mover's distance,EMD)提出了一种新的多示例聚类算法ECMIL.该方法首先利用欧式距离计算包内示例相似度,将相似示例合并；然后将需要度量距离相似性的包内示例分别看作供货者和消费者,计算货物拥有量和货物需求量；对推土机距离无法供货问题,通过增大满足条件供货者的权值加以解决；最后使用k-medoids算法进行聚类.在基准数据集MUSK,Corel和SIVAL上进行实验,表明ECMIL算法是有效的.

关键词：多示例聚类、推土机距离、k-medoids

所属期刊栏目：38

分类号：TP3;TP2

资助基金：教育部新世纪优秀人才支持计划项目NCET-07-0693;陕西省教育厅科研项目10JK852

在线出版日期：2012-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：235-239