基于半监督K-means的K值全局寻优算法

作者：孙雪; 李昆仑; 胡夕坤; 赵瑞

来源：北京交通大学学报, 2009, 33(06): 106-109.

DOI：10.3969/j.issn.1673-0291.2009.06.023

• 半监督聚类
• constrained-K均值
• K均值算法
• 投票
• 阈值

提出一种基于半监督K-means的K值全局寻优算法,该算法打破传统方法中采用样本类别作为K值的限定,利用少量标记数据即可指导和规划大量无监督数据.结合数据集自身的分布特点及聚类后各个簇内的监督信息,根据投票方法来指导簇中数据集的类别标记.实验表明,本文所提出的方法可以有效的寻找适合数据集的最佳K值和聚类的中心,提高聚类性能.

• 单位
  电子信息工程学院; 河北大学; 河北大学工商学院