双重高斯混合模型的EM算法的聚类问题研究

• 作者: 岳佳 王士同
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 双重高斯混合模型 期望最大化算法:半监督聚类
• 年，卷（期）: 2007,（11）
• 所属期刊栏目: 仿真方法与算法
• 页码范围: 110-113
• 页数: 4页
• 分类号: TP181
• 字数: 3107字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2007.11.033

摘要

EM算法是参数估计的重要方法,其算法核心是根据已有的数据来迭代计算似然函数,使之收敛于某个最优值.半监督聚类是利用少部分标签的数据辅助大量未标签的数据进行的聚类分析.文章介绍了一种基于双重高斯混合模型的EM算法,在无监督学习中增加一些已标记的样本,利用已标记的样本得到初始参数,研究了半监督条件下的双重高斯混合模型的EM聚类算法.实验表明,该算法较无监督学习而言,提升了样本的识别率,有良好的聚类性能.这种算法模型也可以作为一种基础模型,具有一定的应用领域.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学信息工程学院	528	3424	23.0	37.0
2	岳佳	江南大学信息工程学院	1	22	1.0	1.0