块对角子空间聚类中成对约束的主动式学习

• 作者: 解子奇 王立宏 李嫚
• 来源期刊: 山东大学学报（工学版）
• 关键词: 子空间聚类 主动式学习 成对约束 块对角表示 约束聚类
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning&Data Mining
• 页码范围: 65-73
• 页数: 9页
• 分类号: TP181
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.182

摘要

针对块对角表示(block diagonal representation,BDR)子空间聚类算法在对子空间重叠的高维数据聚类时效果较差的问题,提出成对约束的块对角子空间聚类(constrained subspace clustering with block diagonal representation,CBDR)算法,设计主动式学习策略,获取用户提供的少量数据点成对信息,以改进BDR算法的性能,给出CBDR算法的目标函数和求解过程.在测试集上的试验结果表明,CBDR算法的聚类错误率和归一化互信息指标比BDR和SBDR(structured block diagonal represen-tation)算法好,而且主动式选取点对方法优于随机选取点对方法,使用少于5‰的约束信息可降低BDR的聚类错误率达到5％以上.