非负半监督函数型聚类方法

摘要：

函数型聚类分析是探索函数型数据的重要工具,现有的函数型聚类方法大多属于无监督学习,没有考虑到数据的标签信息.针对目前函数型聚类方法的无监督特性,以及函数型数据通常具备的非负性特征,提出了一种非负半监督函数型聚类方法(SSNFC),用于处理带有少量标签信息的非负函数型数据的聚类问题.首先,通过引入约束非负矩阵分解(CNMF)技术,将标签信息融入函数型聚类过程中,构建了曲线拟合、非负约束和函数型聚类相统一的一步法模型.其次,给出了模型的迭代更新求解算法,证明了算法的局部收敛性,并分析了算法的时间复杂度.最后,在随机模拟数据、Growth数据和TIMIT语音数据的实验结果表明,与无监督函数型聚类方法相比较,提出的非负半监督函数型聚类方法SSNFC有助于提高聚类性能.

关键词：函数型数据;聚类分析;半监督学习;约束非负矩阵分解

所属期刊栏目：15

分类号：TP181(自动化基础理论)

资助基金：国家社会科学基金;中央引导地方科技发展项目;甘肃省"飞天学者"特聘教授项目;兰州财经大学科研项目

在线出版日期：2021-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2438-2448