半监督极大熵聚类的研究

• 作者: 江秀勤
• 来源期刊: 科技与创新
• 关键词: 聚类分析 极大熵聚类 半监督学习 标签数据 距离学习
• 年，卷（期）: 2009,（15）
• 所属期刊栏目: 软件时空
• 页码范围: 174-175,95
• 页数: 3页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2009.15.071

摘要

聚类是一门非常重要的技术.所谓聚类就是按照某种度量(相似性度量、不相似性度量或距离),根据一定的准则将个体集合分成若干类,使得同类个体之间的相似程度大于不同类个体之间的相似程度即做到"物以类聚".半监督聚类算法研究无监督学习中如何利用少量的监督信息来提高聚类性能,目前正得到不断应用.针对前人提出的半监督模糊聚类,本文为了验证该种半监督学习方法是否可以用于其它聚类算法,对极大熵算法进行了改进,将半监督距离学习引入极大熵聚类,生成半监督极大熵聚类算法,并通过实验证明极大熵聚类算法通过半监督方法改进之后确实有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江秀勤	江苏无锡江南大学信息工程学院	1	1	1.0	1.0