《计算机应用研究》|Application Research of Computers

基于密度自适应邻域相似图的半监督谱聚类

Semi-supervised spectral clustering based on density adaptive neighbor similarity graph

免费全文下载 (已被下载 次)  
获取PDF全文
作者 刘友超,张曦煌
机构 江南大学 物联网工程学院
统计 摘要被查看 次,已被下载
摘要 谱聚类是基于谱图划分理论的一种聚类算法。传统的谱聚类算法属于无监督学习算法,只能利用单一数据来进行聚类。针对这种情况,提出一种基于密度自适应邻域相似图的半监督谱聚类(DAN-SSC)算法。半监督学习是介于监督学习和无监督学习之间的一种机器学习方法,主要研究的是如何同时且有效地利用无标签数据和有标签数据来共同改进学习算法的性能。DAN-SSC算法在传统谱聚类算法的基础上结合了半监督学习的思想,很好地解决了传统谱聚类算法无法充分利用所有数据,不得不对一些有标签数据进行舍弃的问题;并且将少量的成对约束先验信息扩散至整个空间,使其能更好地对聚类过程进行指导。实验结果表明,DAN-SSC算法具有可行性和有效性。
关键词 谱聚类;密度自适应邻域;相似图;半监督学习
基金项目 江苏省产学研合作项目(BY2015019-30)
本文URL http://www.arocmag.com/article/02-2020-09-010.html
收稿日期
修回日期
页码 -
中图分类号 TP
文献标志码