互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于半监督学习的K-均值聚类算法研究


摘 要:定义了一个欧氏距离和监督信息相混合的新的最近邻计算函数,从而将K-均值算法很好地应用于半监督聚类问题。针对K-均值算法初始质心敏感的缺陷,用粒子群算法的搜索空间模拟聚类的欧氏空间,迭代搜索找到较优的聚类质心,同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集上测试都得到了较好的聚类准确率。
  关键词:半监督聚类; 改进的K-均值算法; 动态管理种群的粒子群算法
  中图分类号:TP311.13;TP18 文献标志码:A
  文章编号:1001-3695(2010)03-0913-04
  doi:10.3969/j.issn.1001-3695.2010.03.029
  
  Semi-supervised learning based on K-means clustering algorithm
  
  LIU Tao1, YIN Hong-jian2
  
  (1.Dept. of Information Technology, Zhengzhou Teachers College, Zhengzhou 450044, China; 2.Computing Center of Information,Hunan Vocational College of Chemical, Zhuzhou Hunan 412004, China)
  
  Abstract:This paper constructed a new classified function which mixed Euclidean distance with supervising information. Taking into account that K-means algorithm was sensitive to the initial center, used search space of particle swarm algorithm was used to simulate the clustering Euclidean space to find a better cluster center of clustering. At the same time, brought up a strategy of species dynamic management to improve the efficiency of particle swarm optimization search. The algorithm got a good clustering accuracy on a number of UCI testing data sets. ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017