10.19734/j.issn.1001-3695.2018.03.0162
主动纠错式半监督聚类社区发现算法
经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分,但是由于网络结构较为复杂,划分的准确度并不高.为此,提出一种基于主动学习的纠错式半监督社区发现算法ESCD(error correction semisupervised community detection algorithm),将传统的K-means算法进行分步计算,并且在聚类的过程中加入成对约束.根据先验信息保留正确的划分,纠正错误的划分来改变网络的连接关系,使网络具有更明显的块结构,当节点与聚类中心的距离不再变化时划分结束.实验结果表明,与现有的社区发现算法相比,ESCD算法具有更高的精度,且所需的监督信息远远小于其他半监督算法.
主动学习、纠错式半监督社区发现、K-means算法、成对约束
36
TP391;TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61702367;天津市教委科研计划资助项目2017KJ033
2019-12-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
2631-2635,2660