-
题名基于超图切割的半监督学习和聚类算法
- 1
-
-
作者
艾明
-
机构
郑州大学计算机与人工智能学院
-
出处
《计算机测量与控制》
2024年第5期260-266,共7页
-
基金
河南省省科技攻关项目(232102211033)。
-
文摘
对超图切割上的半监督学习和聚类算法进行了研究;通过对超图切割和超边展开法及其切割函数的讨论,引入了超图上的总变异作为超图切割的洛瓦兹扩展,并在此基础上提出了一组正则化函数,它对应于图上的拉普拉斯型正则化;基于正则化函数族提出了半监督学习方法,并基于平衡超图切割提出了谱聚类方法;为了求解这两个学习问题,将它们转化为求解凸优化问题,并为此提出了一种主要组成部分为近端映射的可扩展算法,从而实现半监督学习和聚类;仿真实验结果表明,提出的基于超图切割实现的半监督学习和聚类方法相比于经典的超边展开法和其他图切割方法有更好的标准偏差和聚类误差性能。
-
关键词
超图展开
图切割
正则化函数
半监督学习
谱聚类
标准偏差
聚类误差
-
Keywords
hypergraph expansion
graph cutting
regularization function
semi-supervised learning
spectral clustering
standard deviation
clustering error
-
分类号
TP393.092
[自动化与计算机技术—计算机应用技术]
-
-
题名基于数据集特点的增强聚类集成算法
被引量:5
- 2
-
-
作者
侯勇
郑雪峰
-
机构
北京科技大学计算机与通信工程学院
山东经贸职业学院科学与人文学院
-
出处
《计算机应用》
CSCD
北大核心
2013年第8期2204-2207,2249,共5页
-
基金
山东省企业培训与职工教育课题资助项目(2012-277)
潍坊市社科规划重点课题资助项目(潍社科学术委发[2011]2号)
山东省高校人文社科研究计划项目(J08WG71)
-
文摘
当前流行的聚类集成算法无法依据不同数据集的不同特点给出恰当的处理方案,为此提出一种新的基于数据集特点的增强聚类集成算法,该算法由基聚类器的生成、基聚类器的选择与共识函数构成。该算法依据数据集的特点,通过启发式方法,选出合适的基聚类器,构建最终的基聚类器集合,并产生最终聚类结果。实验中,对ecoli,leukaemia与Vehicle三个基准数据集进行了聚类,所提出算法的聚类误差分别是0.014,0.489,0.479,同基于Bagging的结构化集成(BSEA)、异构聚类集成(HCE)和基于聚类的集成分类(COEC)算法相比,所提出算法的聚类误差始终最低;而在增加候基聚类器的情况下,所提出算法的标准化互信息(NMI)值始终高于对比算法。实验结果表明,同对比的聚类集成算法相比,所提出算法的聚类精度最高,可伸缩性最强。
-
关键词
基聚类器
共识函数
聚类集成算法
聚类误差
自适应性
标准化互信息
-
Keywords
base clustering
consensus function
clustering ensemble algorithm
clustering error
adaptivity
Normalized Mutual Information(NMI)
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-