%0 Journal Article %T Semi-Supervised Clustering Algorithm Based on Incomplete Labeled Data
基于不完备标签数据的半监督聚类算法 %A YUAN Li-Yong %A
袁利永 %J 计算机系统应用 %D 2011 %I %X 针对seeded-K-means 和constrained-K-means 算法要求标签数据类别完备的限制,本文提出了基于不完备标签数据的半监督K-means 聚类算法,重点讨论了未标签类别初始聚类中心的选取问题。首先给出了未标签类别聚类中心最优候选集的定义,然后提出了一种新的未标签类别初始聚类中心选取方法,即采用K-means 算法从最优候选集中选取初始聚类中心,最后给出了基于新方法的半监督聚类算法的完整描述,并通过实验测试对新算法的有效性进行了验证。实验结果表明本文所提算法在执行速度和聚类效果上都优于现有算法。 %K semi-supervised clustering %K K-means %K incomplete prior knowledge %K initial cluster center %K labeled data
半监督聚类:K.means %K 不完备先验知识 %K 初始聚类中心 %K 标签数据 %U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=EC1501AA8D0D363764A27F99D100BFC7&yid=9377ED8094509821&vid=A04140E723CB732E&iid=0B39A22176CE99FB&sid=B1F98368A47B8888&eid=D46BA3D3D4B3C585&journal_id=1003-3254&journal_name=计算机系统应用&referenced_num=0&reference_num=10