基于Universum学习的核聚类方法

• 作者: 吴爱华 朱昌明 王健安
• 来源期刊: 上海海事大学学报
• 关键词: Universum学习 核聚类 先验知识
• 年，卷（期）: 2016,（3）
• 页码范围: 81-84
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13340/j.jsmu.2016.03.015

摘要

为解决原始核聚类(Kernel Clustering,KC)中模式信息不足、聚类结果不佳的缺点,以KC为基础,利用Universum学习带来的优势,提出基于Universum学习的核聚类(Universum learningbased Kernel Clustering,UKC)方法.首先利用Universum学习生成相应的Universum模式,再利用KC算法把数据集分割成多个簇,最后利用每个簇中所包含的Universum模式和训练模式来更新该簇,从而使得这些簇更加合理.实验表明,该算法可以更好地改善聚类效果和分类器的分类性能、泛化能力和计算效率.虽然该方法的步骤比KC多,但是其较好的聚类性能可以帮助人们处理分类问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴爱华	上海海事大学信息工程学院	25	91	6.0	8.0
2	朱昌明	上海海事大学信息工程学院	8	3	1.0	1.0
3	王健安	上海海事大学信息工程学院	1	0	0.0	0.0