半监督平面聚类算法设计

• 作者: 业巧林 张福全 杨红鑫 杨绪兵
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 半监督聚类 平面分布 鲁棒性 L1范数度量
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 特征表示和学习
• 页码范围: 9-18
• 页数: 10页
• 分类号: TP391
• 字数: 6528字
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2020.01.002

摘要

采用以平面为原型来拟合样本的思想设计学习机,已在机器学习和数据挖掘等领域引起广泛关注,然而,如何利用少量标记样本,兼顾平面原型特点实现聚类,鲜见报道.以kPC(k-Plane Clustering)为切入点,在有标样本极端少的情况下,设计了半监督型平面聚类算法semi-kPC.考虑到L1范数较L2范数更为鲁棒的事实,在已有工作L1kPC (L1 norm kPC)的基础上,提出基于L1范数的半监督聚类方法semi-L1kPC.从每类仅有一个已标样本出发,在人工数据集和UCI数据集上的实验表明:(1)在XOR(Exclusive OR)问题上,平面型的聚类方法的聚类准确率均显著高于k-means算法,因为k-means无法利用平面特性;(2)在引入少量监督信息后,半监督型聚类方法semi-kPC和semi-L1kPC比其他聚类方法的聚类准确率更高;(3)采用L1范数的semi-L1kPC比semi-kPC的鲁棒性更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	业巧林	南京林业大学信息科学技术学院	31	77	5.0	8.0
2	杨绪兵	南京林业大学信息科学技术学院	21	56	4.0	7.0
3	张福全	南京林业大学信息科学技术学院	21	15	2.0	3.0
4	杨红鑫	南京林业大学信息科学技术学院	3	5	1.0	2.0