基于多示例的K-means聚类学习算法

• 作者: 李晓亮 谢红薇
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多示例学习 K-means聚类 包间距 聚类有效性评价
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 179-181
• 页数: 3页
• 分类号: TP311
• 字数: 3811字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.22.061

摘要

多示例学习是继监督学习、非监督学习、强化学习后的又一机器学习框架.将多示例学习和非监督学习结合起来,在传统非监督聚类算法K-means的基础上提出MI_K-means算法,该算法利用混合Hausdorff距离作为相似测度来实现数据聚类.实验表明,该方法能够有效揭示多示例数攒集的内在结构,与K-means算法相比具有更好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢红薇	太原理工大学计算机与软件学院	72	532	11.0	19.0
2	李晓亮	太原理工大学计算机与软件学院	2	10	1.0	2.0