10.3969/j.issn.1000-3428.2012.01.046
基于成对约束的动态加权半监督模糊核聚类
针对样本间的不均衡性,提出一种基于成对约束的动态加权半监督模糊核聚类算法.在传统模糊聚类算法中加入半监督学习机制,通过Mercer核将原数据空间映射到特征空间,为特征空间中的每个向量分配一个动态权值,由此得到新的目标函数,并结合一种简单的核参数选择方法实现数据分类.理论分析和实验结果表明,与模糊核聚类算法及成对约束的竞争群算法相比,该算法具有更好的聚类效果.
半监督聚类、成对约束、动态加权、模糊聚类算法、核参数
38
TP181(自动化基础理论)
国家自然科学基金资助项目60773206
2012-04-27(万方平台首次上网日期,不代表论文的发表时间)
共3页
148-150