半监督约束集成的快速密度峰值聚类算法

摘要：

为了解决2014年在Science上提出的快速密度峰值聚类(CFDP)算法存在的自动选择时误选和漏选中心点、簇的数量需要主观先验判断、算法使用受场景局限的缺陷,从半监督角度出发,结合集成学习思想提出半监督约束集成的快速密度峰值聚类(SiCE-CFDP)算法.SiCE-CFDP算法使用相对密度方式度量节点密度,从多角度分析决策图,自动选择候选中心点,并最终自动确定簇的数量.在只标注有限约束关系的前提下,算法能以集成学习指导约束信息的扩充,提升聚类性能.在方法验证中,通过3个人工数据集、4个公开数据集以及1个空调系统数据集进行仿真研究.结果表明,在相同的约束量前提下,针对大样本数据,SiCE-CFDP算法相比其他半监督聚类算法具有更高的聚类精度.

关键词：聚类、半监督约束、集成学习、快速密度峰值聚类、决策图

所属期刊栏目：52

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目U1664264, U1509203

在线出版日期：2019-07-05（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：2191-2200,2242