主动纠错式半监督聚类社区发现算法

• 作者: 任静 刘渊博 张贤坤 张高祯
• 来源期刊: 计算机应用研究
• 关键词: 主动学习 纠错式半监督社区发现 K-means算法 成对约束
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2631-2635,2660
• 页数: 6页
• 分类号: TP391|TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.03.0162

摘要

经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分,但是由于网络结构较为复杂,划分的准确度并不高.为此,提出一种基于主动学习的纠错式半监督社区发现算法ESCD(error correction semisupervised community detection algorithm),将传统的K-means算法进行分步计算,并且在聚类的过程中加入成对约束.根据先验信息保留正确的划分,纠正错误的划分来改变网络的连接关系,使网络具有更明显的块结构,当节点与聚类中心的距离不再变化时划分结束.实验结果表明,与现有的社区发现算法相比,ESCD算法具有更高的精度,且所需的监督信息远远小于其他半监督算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张贤坤	天津科技大学计算机科学与信息工程学院	37	141	7.0	10.0
2	任静	天津科技大学计算机科学与信息工程学院	3	2	1.0	1.0
3	刘渊博	天津科技大学计算机科学与信息工程学院	4	4	2.0	2.0
4	张高祯	天津科技大学计算机科学与信息工程学院	3	4	2.0	2.0