自适应半监督邻域聚类算法

朱恒东¹, 马盈仓^1*, 代雪珍²

1.西安工程大学理学院, 陕西 西安 710600;2. 西安交通工程学院, 陕西 西安 710300

发布日期:2021-08-18

作者简介:朱恒东(1997— ),男,湖南常德人,硕士研究生,主要研究方向为机器学习. E-mail:ZhuHengDong1997@163.com. *通信作者简介:马盈仓(1972— ),男,陕西合阳人,教授,硕导,博士,主要研究方向为人工智能与机器学习. E-mail:mayingcang@126.com
基金资助:国家自然科学基金资助项目(61976130);陕西省重点研发计划项目(2018KW-021);陕西省自然科学基金资助项目(2020JQ-923)

Adaptive semi-supervised neighborhood clustering algorithm

ZHU Hengdong¹, MA Yingcang^1*, DAI Xuezhen²

1. School of Science, Xi'an Polytechnic University, Xi'an 710600, Shaanxi, China;
2. Xi'an Traffic Engineering College, Xi'an 710300, Shaanxi, China

Published:2021-08-18

摘要/Abstract

摘要： 为了充分利用监督信息指导聚类过程,提出自适应半监督邻域聚类算法(adaptive semi-supervised neighborhood clustering algorithm, SSCAN)。引入监督矩阵与距离度量结合,构造合理的相似矩阵;充分利用监督信息,通过标签信息矩阵与流形正则项结合调整模型,改善聚类效果。在多种数据集进行试验,并与其他聚类算法作对比,结果表明,SSCAN可以充分利用监督信息,提高聚类的准确率。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2050