版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、作為一種重要的數(shù)據(jù)分析方法,聚類分析按照某種相似性度量將樣本對象劃分到不同的聚類中,并要求同一聚類中的樣本相似性盡可能地大,而不同聚類中樣本相似性盡可能地小。同時,作為一種無監(jiān)督學(xué)習(xí)方法,聚類分析在對樣本進行劃分前并不了解樣本的目標屬性。但是在許多實際應(yīng)用中,在獲得大部分未標記樣本之外,通常還可以獲得少部分帶有監(jiān)督信息的樣本,半監(jiān)督聚類便是研究如何利用這些少量的監(jiān)督信息來指導(dǎo)未標記樣本的聚類過程。
半監(jiān)督聚類中通常包含兩種類型
2、的監(jiān)督信息,一種是樣本的類別標記,另一種是一對樣本的成對約束關(guān)系,其中樣本的類別標記結(jié)合樣本信息可以構(gòu)成Seeds集。為了克服傳統(tǒng)半監(jiān)督聚類算法中監(jiān)督信息使用不充分的問題,本文結(jié)合使用了樣本的類別標記和成對約束這兩種監(jiān)督信息指導(dǎo)Kmeans聚類過程,提出一種基于Seeds集和成對約束的半監(jiān)督聚類算法SC-Kmeans(Kmeans based on Seeds set and pairwise constraints)。算法首先利用Se
3、eds集對成對約束規(guī)模進行擴充,然后根據(jù)Seeds集計算初始聚類中心,優(yōu)化聚類初始化效果,最后將擴充后的成對約束集引入算法中指導(dǎo)樣本的劃分過程,要求樣本在劃分過程中不能違反成對約束條件。
同時,為了獲得更高質(zhì)量的監(jiān)督信息,本文通過對監(jiān)督信息中所含信息量的分析和判斷,將主動學(xué)習(xí)算法引入到SC-Kmeans中,設(shè)計一種主動半監(jiān)督聚類算法Active SC-Kmeans。該算法使用最遠距離優(yōu)先選擇策略對未標記樣本提出標記請求,選擇與
4、Seeds集中樣本距離最遠的未標記樣本對象進行標注,能夠通過盡量小的代價選取出信息含有量較高的監(jiān)督信息,提高SC-Kmeans算法聚類準確率。
針對目前聚類算法處理大規(guī)模數(shù)據(jù)集時間效率較低的問題,本文利用Spark并行計算框架,將提出的SC-Kmeans算法實現(xiàn)并行化處理。根據(jù)SC-Kmeans算法需要頻繁迭代運算的特性,應(yīng)用Spark計算框架基于內(nèi)存的計算方式,設(shè)計出SC-Kmeans的并行化算法Spark SC-Kmean
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于遷移學(xué)習(xí)的半監(jiān)督聚類及其并行化實現(xiàn).pdf
- 基于成對約束的半監(jiān)督聚類算法研究及其并行化實現(xiàn).pdf
- 半監(jiān)督聚類集成研究.pdf
- 基于半監(jiān)督聚類的個性化搜索研究.pdf
- 半監(jiān)督聚類集成模型研究.pdf
- 半監(jiān)督譜聚類算法的研究
- 半監(jiān)督譜聚類算法的研究.pdf
- 基于半監(jiān)督的GN聚類算法研究.pdf
- 半監(jiān)督聚類與分類算法研究.pdf
- 數(shù)據(jù)挖掘中聚類集成與半監(jiān)督聚類研究.pdf
- 面向個性化主題的半監(jiān)督文本聚類算法研究.pdf
- 軟投票聚類集成的研究及其并行化實現(xiàn).pdf
- 并行聚類算法的研究與實現(xiàn).pdf
- 半監(jiān)督聚類算法及應(yīng)用的研究.pdf
- 基于最小類間距的半監(jiān)督聚類算法研究.pdf
- 基于凸殼的半監(jiān)督聚類算法研究.pdf
- 基于軟投票的半監(jiān)督聚類集成研究.pdf
- 基于半監(jiān)督聚類的圖像分割算法研究.pdf
- 基于動態(tài)決策的半監(jiān)督聚類集成研究.pdf
- 基于領(lǐng)域知識的半監(jiān)督聚類算法研究.pdf
評論
0/150
提交評論