10.3778/j.issn.1673-9418.1405035
结合特征偏好的半监督聚类学习
半监督聚类是机器学习的重要研究内容之一,它通过利用样本层面的少量标记数据信息或者利用特征层面的特征偏好信息来指导半监督聚类。但现有的半监督聚类算法仅考虑了单一层面的半监督先验信息,罕有同时考虑两个不同层面的此类信息进行半监督聚类。为了弥补这一遗漏,联合利用特征层面给定的特征偏好,即特征之间的相对重要性关系,并结合样本层面的少量标记数据等半监督信息,在传统的半监督聚类算法基础上发展出一个扩展型半监督聚类算法。初步实验验证了该算法的有效性。
半监督学习、聚类、半监督聚类、特征偏好、标记信息
TP391.4(计算技术、计算机技术)
The Natural Science Foundation of Jiangsu Province of China under Grant No. BK2011728;the Specialized Research Fund for the Doctoral Program of Higher Education of China under Grant No.20133218110032
2015-01-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
105-111