基于密度自适应邻域相似图的半监督谱聚类

• 作者: 刘友超 张曦煌
• 来源期刊: 计算机应用研究
• 关键词: 谱聚类 密度自适应邻域 相似图 半监督学习
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2604-2609
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.04.0113

摘要

谱聚类是基于谱图划分理论的一种聚类算法,传统的谱聚类算法属于无监督学习算法,只能利用单一数据来进行聚类.针对这种情况,提出一种基于密度自适应邻域相似图的半监督谱聚类(DAN-SSC)算法.DAN-SSC算法在传统谱聚类算法的基础上结合了半监督学习的思想,很好地解决了传统谱聚类算法无法充分利用所有数据,不得不对一些有标签数据进行舍弃的问题;将少量的成对约束先验信息扩散至整个空间,使其能更好地对聚类过程进行指导.实验结果表明,DAN-SSC算法具有可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张曦煌		134	1137	14.0	27.0
2	刘友超		2	0	0.0	0.0