基于半监督的模糊 C-均值聚类算法

• 作者: 樊秀玲 郗仙田 郭新辰 韩啸
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 半监督学习 模糊 C-均值聚类算法 信息熵
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 705-709
• 页数: 5页
• 分类号: TP181
• 字数: 3623字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2015.04.21

摘要

通过将半监督学习的思想引入到模糊 C-均值聚类方法中，提出一种基于半监督的模糊C-均值聚类算法，有效解决了模糊 C-均值聚类算法随机选取初始聚类中心导致聚类结果局部收敛的问题，能客观获取最佳聚类数目和初始聚类中心。实验结果表明，与传统模糊 C-均值聚类算法相比，基于半监督的模糊 C-均值算法在一定程度上减少了迭代次数，降低了对初始聚类中心的依赖性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭新辰	东北电力大学理学院	15	86	5.0	9.0
2	樊秀玲	东北电力大学理学院	4	64	4.0	4.0
3	郗仙田	东北电力大学理学院	2	9	2.0	2.0
4	韩啸	吉林大学学报编辑部	26	106	6.0	9.0