面向主动学习的模糊核聚类采样算法

• 作者: 张金松 王勇臻 陈燕
• 来源期刊: 计算机应用研究
• 关键词: 高斯核函数 聚类分析 采样 主动学习 分类
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3564-3568
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.12.010

摘要

针对主动学习中构造初始分类器难以选取代表性样本的问题,提出一种模糊核聚类采样算法.该算法首先通过聚类分析技术将样本集划分,然后分别在类簇中心和类簇边界区域选取样本进行标注,最后依此构造初始分类器.在该算法中,通过高斯核函数将原始样本空间中的点非线性变换到高维特征空间,以达到线性可聚的目的,并引入了一种基于局部密度的初始聚类中心选择方法,从而改善聚类效果.为了提高采样质量,结合划分后各类簇的样本个数设计了一种采样比例分配策略;同时,在采样结束阶段设计了一种后补采样策略,以确保采样个数达标.实验结果分析表明,所提算法可以有效地减少构造初始分类器所需的人工标注负担,并取得了较高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈燕	大连海事大学交通运输管理学院	166	1835	23.0	33.0
2	王勇臻	大连海事大学交通运输管理学院	7	83	4.0	7.0
3	张金松	大连海事大学交通运输管理学院	22	231	9.0	15.0