自适应半监督邻域聚类算法

• 作者: 朱恒东 马盈仓 代雪珍
• 来源期刊: 山东大学学报（工学版）
• 关键词: 半监督学习 流形正则项 标签信息 聚类 距离度量
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 机器学习与数据挖掘|Machine Learning & Data Mining
• 页码范围: 24-34
• 页数: 11页
• 分类号: TP181
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.0.2020.398

摘要

为了充分利用监督信息指导聚类过程,提出自适应半监督邻域聚类算法(adaptive semi-supervised neighborhood clustering algorithm,SSCAN).引入监督矩阵与距离度量结合,构造合理的相似矩阵;充分利用监督信息,通过标签信息矩阵与流形正则项结合调整模型,改善聚类效果.在多种数据集进行试验,并与其他聚类算法作对比,结果表明,SSCAN可以充分利用监督信息,提高聚类的准确率.