最优聚类中心选取的半监督K均值聚类算法

• 作者: 孙建凯 李重
• 来源期刊: 工业控制计算机
• 关键词: 半监督聚类 完备标签 自适应方法 目标函数 计算复杂度
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 软件与仿真
• 页码范围: 96-98
• 页数: 3页
• 字数: 3395字
• 语种: 中文

摘要

半监督聚类利用已标记的数据样本对聚类过程进行指导,提高了无监督学习的准确率,但是现有的半监督聚类算法都是针对完备标签数据提出的,这样的要求不切合实际的应用.提出一种新的半监督聚类算法,首先通过自适应的方法预估聚类数,然后利用优化目标函数方法来寻求最佳聚类中心.该方法可以对不完备标签数据进行聚类划分,而且降低计算复杂度,实验验证其聚类结果和计算复杂度都有明显的改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李重	浙江理工大学数学科学系	31	168	9.0	12.0
2	孙建凯	浙江理工大学数学科学系	1	2	1.0	1.0