基于半监督K-Means的属性加权聚类算法

• 作者: 吴立锋 周晓英 潘巍 王国辉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 均值 聚类 半监督 主成分分析 属性加权
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 算法
• 页码范围: 189-193,242
• 页数: 6页
• 分类号: TP301.6
• 字数: 5020字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.03.034

摘要

K-Means是经典的非监督聚类算法,因其速度快,稳定性高广泛应用在各个领域.但传统的K-Means没有考虑无关属性以及噪声属性的影响,并且不能自动寻找聚类数目K.而目前K-Means的改进算法中,也鲜有关于高维以及噪声方面的改进.因此,结合PCA提出基于半监督的K-Means加权属性聚类方法.首先,用PCA得到更少更有效的特征,并计算它们的分类贡献率(即每个特征对聚类的影响因子).其次,由半监督自适应算法得到K.最后将加权数据集以及K应用到聚类中.实验表明,该算法具有更好的识别率和普适性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴立锋	首都师范大学北京市电子系统可靠性技术研究重点实验室	15	83	5.0	8.0
2	潘巍	首都师范大学信息工程学院	22	130	7.0	10.0
3	王国辉	首都师范大学信息工程学院	6	31	2.0	5.0
4	周晓英	首都师范大学北京市高可靠嵌入式系统工程研究中心	2	17	2.0	2.0