一种基于MST的自适应优化相异性度量的半监督聚类方法
A Semi-Supervised Clustering Method of Adaptively Optimizing the Dissimilarity Based on MST作者机构:重庆三峡学院计算机科学与工程学院重庆404000 上饶师范学院数学与计算机科学学院江西上饶334001
出 版 物:《计算机工程与科学》 (Computer Engineering & Science)
年 卷 期:2011年第33卷第10期
页 面:154-158页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:针对混合属性空间中具有同一(或相近)分布特性的带类别标记的小样本集和无类别标记的大样本数据集,提出了一种基于MST的自适应优化相异性度量的半监督聚类方法。该方法首先采用决策树方法来获取小样本集的规则聚类区域,然后根据同一聚类的数据点更为接近的原则自适应优化建构在该混合属性空间中的相异性度量,最后将优化后的相异性度量应用于基于MST的聚类算法中,以获得更为有效的聚类结果。仿真实验结果表明,该方法对有些数据集是有改进效果的。为进一步推广并在实际中发掘出该方法的应用价值,本文在最后给出了一个较有价值的研究展望。