10.3969/j.issn.1000-3428.2009.22.061
基于多示例的K-means聚类学习算法
多示例学习是继监督学习、非监督学习、强化学习后的又一机器学习框架.将多示例学习和非监督学习结合起来,在传统非监督聚类算法K-means的基础上提出MI_K-means算法,该算法利用混合Hausdorff距离作为相似测度来实现数据聚类.实验表明,该方法能够有效揭示多示例数攒集的内在结构,与K-means算法相比具有更好的聚类效果.
多示例学习、K-means聚类、包间距、聚类有效性评价
35
TP311(计算技术、计算机技术)
山西省自然科学基金资助项目20051035
2010-01-18(万方平台首次上网日期,不代表论文的发表时间)
共3页
179-181