这也就造成了 KMeans 的应用局限,使得它并不适合所有的数据。例如,对于非球形簇,或者多个簇之间尺寸和密度相差较大的情况,KMeans 就处理不好。
以及初始的聚类中心。本论文提出了一种基于主动学习先验的半监督K-means 聚类算 法,利用先验信息来优化初始聚类中心的选择,提高聚类算法的性能,同时减少对标 注样本的依赖。 关键词:聚类算法、半监督学习、主动学习、K-means 引言: 在现实生活中,我们经常遇到需要将数据对象分成若干组的问题。聚类算法在数据挖 ...
基于k-means和半监督机制的单类中心学习算法 维普资讯 http://www.cqvip.com
基于主动学习先验的半监督 K-means 聚类算法 柴变芳,吕峰,李文斌*,王垚 【摘要】摘要:基于迭代框架的主动半监督聚类框架(IASSCF)是一个流行的半 监督聚类框架。该框架存在两个问题:其一,初始先验信息较少导致迭代初期 聚类效果不佳,进而影响后续聚类结果;其二,每次迭代只选择信息量最大的 一个样本标记,导致运行...
西瓜书+实战+吴恩达机器学习(十六)半监督学习(半监督SVM、半监督k-means、协同训练算法),程序员大本营,技术文章内容聚合第一站。