基于贝叶斯网络的半监督聚类集成模型

• 作者: 周维 周鹏 成镲 戚建淮 李志蜀 王红军
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 半监督聚类集成 变分推理 必连 不连
• 年，卷（期）: 2010,（11）
• 页码范围: 2814-2825
• 分类号: TP181
• 字数: 7126字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2010.03683

摘要

已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性、鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of California, Irvine)机器学习库中选取部分数据来做实验.实验结果表明,SCE模型本身及其变分推理后所设计的EM算法都能进行半监督聚类集成,总的来说,效果比NMFS(algorithm of nonnegative-matrix-factorization based semi-supervised)、半监督SVM(support vector machine)、LVCE(latent variable model for cluster ensemble)等算法要好.该半监督聚类集成模型聚集了半监督学习和聚类集成两者的优点,最后的聚类结果比单纯的半监督聚类或聚类集成的效果都要好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李志蜀	四川大学计算机学院	215	2961	28.0	46.0
2	周维	四川大学计算机学院	21	287	8.0	16.0
3	周鹏	四川大学计算机学院	44	178	7.0	12.0
4	王红军	西南交通大学信息化研究院	5	80	2.0	5.0
8	戚建淮	西南交通大学信息化研究院	13	69	4.0	8.0
9	成镲	四川大学计算机学院	1	39	1.0	1.0