半监督聚类的若干新进展

被引：51

作者：

李昆仑 ^{[1
]}

曹铮 ^{[1
]}

曹丽苹 ^{[2
]}

张超 ^{[1
]}

刘明 ^{[1
]}

机构：

[1] 河北大学电子信息工程学院

[2] 保定职业技术学院机电工程系

来源：

模式识别与人工智能 | 2009年 / 22卷 / 05期

关键词：

半监督聚类; 模糊C-均值(FCM); 标记数据; 无标记数据;

D O I：

10.16451/j.cnki.issn1003-6059.2009.05.018

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

半监督聚类方法利用少量标记数据提高聚类算法的性能,已逐渐发展成为模式识别及相关领域的研究热点.文中首先综述了半监督聚类算法的一些新进展,包括基于约束的方法、基于距离的方法和基于距离与约束的融合方法.然后提出一种基于约束的半监督模糊C-means聚类算法.实验表明,该算法与传统的模糊C-means及半监督K-means方法相比,具有更好的聚类精度.

引用

页码：735 / 742

页数：8

共 12 条

[1] 半监督典型相关分析算法 [J].

彭岩 ;

张道强 .

软件学报, 2008, (11) :2822-2832

[2] 基于成对约束的判别型半监督聚类分析 [J].

尹学松 ;

胡思良 ;

陈松灿 .

软件学报, 2008, (11) :2791-2802

[3] 基于近邻传播算法的半监督聚类 [J].

肖宇 ;

于剑 .

软件学报, 2008, (11) :2803-2813

[4] 半监督鲁棒联机聚类算法 [J].

金骏 ;

张道强 .

计算机研究与发展, 2008, (03) :496-502

[5] 密度敏感的半监督谱聚类 [J].

王玲 ;

薄列峰 ;

焦李成 .

软件学报, 2007, (10) :2412-2422

[6]

An active learning framework for semi-supervised document clustering with language modeling[J] . Ruizhang Huang,Wai Lam.Data & Knowledge Engineering . 2008 (1)

[7]

Offline/realtime traffic classification using semi-supervised learning[J] . Jeffrey Erman,Anirban Mahanti,Martin Arlitt,Ira Cohen,Carey Williamson.Performance Evaluation . 2007 (9)

[8] Locally linear metric adaptation with application to semi-supervised clustering and image retrieval [J].

Chang, Hong ;

Yeung, Dit-Yan .

PATTERN RECOGNITION, 2006, 39 (07) :1253-1264

[9]

Semi-supervised model-based document clustering: A comparative study[J] . Shi Zhong.Machine Learning . 2006 (1)

[10] Evolutionary semi-supervised fuzzy clustering [J].

Liu, H ;

Huang, ST .

PATTERN RECOGNITION LETTERS, 2003, 24 (16) :3105-3113

← 1 2 →