结合特征偏好的半监督聚类学习

• 作者: 方玲 陈松灿
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 半监督学习 聚类 半监督聚类 特征偏好 标记信息
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 105-111
• 页数: 7页
• 分类号: TP391.4
• 字数: 4990字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1405035

摘要

半监督聚类是机器学习的重要研究内容之一，它通过利用样本层面的少量标记数据信息或者利用特征层面的特征偏好信息来指导半监督聚类。但现有的半监督聚类算法仅考虑了单一层面的半监督先验信息，罕有同时考虑两个不同层面的此类信息进行半监督聚类。为了弥补这一遗漏，联合利用特征层面给定的特征偏好，即特征之间的相对重要性关系，并结合样本层面的少量标记数据等半监督信息，在传统的半监督聚类算法基础上发展出一个扩展型半监督聚类算法。初步实验验证了该算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松灿	南京航空航天大学计算机科学与技术学院	120	1370	19.0	32.0
2	方玲	南京航空航天大学计算机科学与技术学院	2	13	2.0	2.0