复杂分布数据的半监督阶段聚类

• 作者: 吴晓军 张俊溪 蒋江红
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 元胞自动机 半监督聚类 K-means聚类算法 CA-K-means二阶段聚类 复杂分布
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1003-1009
• 页数: 7页
• 分类号: TP181
• 字数: 4786字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1507102

摘要

半监督聚类是一种用先验信息完善聚类过程的机器学习方法。通过将元胞自动机（cellular automata， CA）距离变换算法引入到半监督聚类过程中，采用平面距离变换算法将数据集划分为若干子类，获得聚类数和约束信息，并作为下一阶段聚类的先验信息。利用半监督K-means聚类算法对第一阶段的聚类结果做进一步划分，可以获得完整的聚类中心和聚类数，并由此提出CA-K-means二阶段聚类算法。采用3组人工数据集和3组标准UCI数据集进行对比仿真实验，将CA-K-means二阶段聚类算法与半监督K-means聚类算法、遗传K-means聚类算法和单纯的CA层次聚类算法进行对比，结果显示，该算法对复杂分布数据的聚类准确率较高，聚类性能更加优良。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴晓军	西北工业大学自动化学院	39	405	10.0	19.0
2	张俊溪	西安航空学院车辆工程学院	17	69	6.0	7.0
3	蒋江红	陕西师范大学计算机科学学院	6	17	3.0	4.0