基于主动学习的K-Hub聚类算法

• 作者: 何振峰 封建邦
• 来源期刊: 计算机系统应用
• 关键词: 高维数据 半监督聚类 关联限制 主动学习 K-Hub
• 年，卷（期）: 2016,（3）
• 页码范围: 187-193
• 页数: 7页
• 字数: 6449字
• 语种: 中文

摘要

K-Hub聚类算法是一种有效的高维数据聚类算法,但是它对初始聚类中心的选择非常敏感,并且对于靠近类边界的实例往往不能正确聚类.为了解决这些问题,提出一种结合主动学习和半监督聚类的K-Hub聚类算法.运用主动学习策略学习部分实例的关联限制,然后利用这些关联限制指导K-Hub的聚类过程.实验结果表明,基于主动学习的K-Hub聚类算法能有效提升K-Hub的聚类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何振峰	福州大学数学与计算机科学学院	34	74	4.0	6.0
2	封建邦	福州大学数学与计算机科学学院	1	0	0.0	0.0