半監(jiān)督聚類算法及其應用研究.pdf

1、聚類是一門非常重要的技術。所謂聚類就是按照某種度量(相似性度量、不相似性度量或距離)，根據(jù)一定的準則將個體集合分成若干類，使得同類個體之間的相似程度大于不同類個體之間的相似程度即做到”物以類聚”。半監(jiān)督聚類算法研究無監(jiān)督學習中如何利用少量的監(jiān)督信息來提高聚類性能，目前正得到不斷應用。 本文首先介紹了聚類的發(fā)展概況和聚類過程中的相關技術，重點介紹了距離度量、常用聚類方法以及評價準則等等，為后續(xù)章節(jié)的研究提供了理論和實驗基礎。針對前

2、人提出的半監(jiān)督模糊C均值聚類算法，本文對其進行了詳細介紹并用實驗來證明了該算法。 其次，為了驗證該種半監(jiān)督學習方法是否可以用于其它聚類算法，本文對極大熵算法進行了改進，將半監(jiān)督距離學習引入極大熵聚類，生成半監(jiān)督極大熵聚類算法，并通過實驗證明極大熵聚類算法通過半監(jiān)督方法改進之后確實有效。 對于團狀、每類樣本數(shù)相差較大的數(shù)據(jù)集，F(xiàn)CM算法與半監(jiān)督模糊C均值聚類算法的最優(yōu)解可能都不是對數(shù)據(jù)集的正確劃分，因為這兩種算法對數(shù)據(jù)集有