【摘 要】
：
针对半监督聚类算法中监督信息使用不充分,监督信息中信息含有量低的问题,提出一种结合主动学习的半监督聚类算法.首先结合使用数据的类别标记和成对约束信息,指导Kmeans聚类
【机 构】
：
长春工业大学计算机科学与工程学院,长春工程学院校长办公室
【基金项目】
：
国家自然科学基金重点项目（批准号：61133011）, 吉林省科技发展计划重点科技攻关项目（批准号：20150204005GX）, 长春市科技计划重大科技攻关项目（批准号：14KG082）
论文部分内容阅读
针对半监督聚类算法中监督信息使用不充分,监督信息中信息含有量低的问题,提出一种结合主动学习的半监督聚类算法.首先结合使用数据的类别标记和成对约束信息,指导Kmeans聚类过程,设计出一种基于Seeds集和成对约束的半监督聚类算法SC-Kmeans;其次将主动学习算法引入到SC-Kmeans中,以尽量小的代价选取信息含有量更高的监督信息,提高SC-Kmeans算法的聚类精度;最后在UCI标准数据集上进行仿真实验.实验结果表明,该算法取得了较好的聚类效果,有效提高了聚类准确率.
其他文献
针对当前路由算法由于无线传感器网络节点分布不均匀、节点能耗过快等因素严重影响其生存时间的问题,提出一种传感器节点分簇与最佳距离相融合的无线传感器网络路由算法.该算
用密度泛函理论中的B3LYP方法,在6-311＋＋G（d,p）基组水平上,优化得到气相环境丙氨酸分子和带电离子的基态稳定构型,并用含时密度泛函理论（TD-DFT）方法研究气相环境丙氨酸分子和负离
基于粒子群算法构建物资配送模型,求最优解,并通过算例求最优解,实现目标函数最小化。结果表明：粒子群算法对于物资配送问题求解是一种可行的方法,能够为物资配送优化提供一种