基于半监督K-means的K值全局寻优算法

被引：11

作者：

孙雪 ^{[1
]}

李昆仑 ^{[1
]}

胡夕坤 ^{[2
]}

赵瑞 ^{[1
]}

机构：

[1] 河北大学电子信息工程学院

[2] 河北大学工商学院

来源：

北京交通大学学报 | 2009年 / 06期

关键词：

半监督聚类; constrained-K均值; K均值算法; 投票; 阈值;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种基于半监督K-means的K值全局寻优算法,该算法打破传统方法中采用样本类别作为K值的限定,利用少量标记数据即可指导和规划大量无监督数据.结合数据集自身的分布特点及聚类后各个簇内的监督信息,根据投票方法来指导簇中数据集的类别标记.实验表明,本文所提出的方法可以有效的寻找适合数据集的最佳K值和聚类的中心,提高聚类性能.

引用

页码：106 / 109

页数：4

共 7 条

[1] 一种半监督K均值多关系数据聚类算法 [J].