《計算機應用研究》|Application Research of Computers

基于密度自適應鄰域相似圖的半監督譜聚類

Semi-supervised spectral clustering based on density adaptive neighbor similarity graph

免費全文下載 (已被下載 次)  
獲取PDF全文
作者 劉友超,張曦煌
機構 江南大學 物聯網工程學院
統計 摘要被查看 次,已被下載
摘要 譜聚類是基于譜圖劃分理論的一種聚類算法。傳統的譜聚類算法屬于無監督學習算法,只能利用單一數據來進行聚類。針對這種情況,提出一種基于密度自適應鄰域相似圖的半監督譜聚類(DAN-SSC)算法。半監督學習是介于監督學習和無監督學習之間的一種機器學習方法,主要研究的是如何同時且有效地利用無標簽數據和有標簽數據來共同改進學習算法的性能。DAN-SSC算法在傳統譜聚類算法的基礎上結合了半監督學習的思想,很好地解決了傳統譜聚類算法無法充分利用所有數據,不得不對一些有標簽數據進行舍棄的問題;并且將少量的成對約束先驗信息擴散至整個空間,使其能更好地對聚類過程進行指導。實驗結果表明,DAN-SSC算法具有可行性和有效性。
關鍵詞 譜聚類;密度自適應鄰域;相似圖;半監督學習
基金項目 江蘇省產學研合作項目(BY2015019-30)
本文URL http://www.pbxovf.icu/article/02-2020-09-010.html
收稿日期
修回日期
頁碼 -
中圖分類號 TP
文獻標志碼
黑龙江时时玩法介绍