结合限制的分隔模型及K-Means算法

• 作者: 何振峰 熊范纶
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 聚类分析 限制聚类 半监督学习 背景知识 机器学习
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 数据库技术
• 页码范围: 799-809
• 页数: 11页
• 分类号: TP311
• 字数: 8949字
• 语种: 中文

摘要

将数据对象间的关联限制与K-means算法结合可以取得较好的效果,但由于划分是由K个中心决定的,每一类仅由一个中心决定,分隔的表示方法限制了算法效果的进一步提高.基于数据对象间的两类限制,定义了数据对象和集合间的两类关联,以及集合间的3类关联,在此基础上给出了结合限制的分隔模型.在模型中,基于集合间的正关联,多个子集中心可以用来表示同一类,使划分的表示可以更为灵活、精细.基于此模型,给出了相应的算法CKS(constrainedK-meanswith subsets)来生成结合限制的分隔.对3个UCI数据集的实验结果显示:在准确率及健壮性上,CKS显著优于另一个结合关联限制的K-means类算法COP-K-means,与另一个代表性的算法CCL相比,也有相当优势;在时间代价上,CKS也有一定优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊范纶	中国科学院合肥智能机械研究所	64	1248	19.0	33.0
2	何振峰	中国科学技术大学自动化系	2	41	2.0	2.0