基于监督信息特性的主动半监督谱聚类算法

半监督聚类是利用少部分监督信息辅助大量未标签数据进行非监督的学习,其聚类性能的改善依赖于监督信息，因此挖掘适合半监督聚类的监督信息非常关键.提出了一种基于监督信息特性的主动学习策略，即找出同一类中距离相对较远的数据对象对和不同类中距离相对较近的数据对象对组成监督信息，并将其引入谱聚类算法，构建新颖的主动半监督谱聚类算法ASSC（ActiveSemi-supervisedSpectralClustering）.利用该监督信息调整谱聚类中点与点之间的距离矩阵，使类内各点紧聚，类间散布.通过对UCI基准数据集以及人工数据集的实验结果表明，ASSC算法优于采用随机选取监督信息的谱聚类性能.