-
题名半监督正则化学习
被引量：2
- 1
-
-
作者
尹学松
胡恩良
-
机构
南京航空航天大学信息科学与技术学院
浙江广播电视大学信息与工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2010年第12期2389-2393,共5页
-
基金
浙江省教育厅项目(Y200803408)资助
浙江省高等学校优秀青年教师项目(2008)资助
-
文摘
研究半监督线性维数约减算法.与传统监督维数约减算法不同的是,半监督算法使用辅助信息和大量的无标号样本来达到更好的推广性能.在半监督框架下,本文的目标是学习一个光滑、有判别力的子空间.明确地说,使用cannot-link成对约束来最大化不同类样本之间的距离,使用must-link成对约束来最小化相同类样本之间的距离;同时使用无标号样本的几何结构和投影向量的特征结构作为正则化项来引导维数约减过程.并且,所提出算法能容易处理样本外问题.实验结果验证了新算法的有效性.
-
关键词
半监督正则化
判别分析
特征结构
must-link约束散布
cannot-link约束散布
-
Keywords
semi-supervised regularization
discriminant analysis
feature structure
must-link constraint scatter
cannot-link constraint scatter
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于密度峰值的半监督聚类算法
被引量：4
- 2
-
-
作者
罗丹
毛先成
邓浩
-
机构
中南大学地球科学与信息物理学院
有色金属成矿预测与地质环境监测教育部重点实验室(中南大学)
-
出处
《地理与地理信息科学》
CSCD
北大核心
2017年第2期69-74,F0003,共7页
-
基金
国家自然科学基金项目(41472301
41401532)
-
文摘
由于基于密度峰值的聚类算法对簇的形状不敏感,其聚类结果表现出良好的抗噪性。然而,当密度定义中变量难以反映簇的结构时,该算法性能下降明显,其主要原因在于聚类的非监督性。为此,该文在此算法的基础上提出了一种基于密度峰值的半监督聚类算法。该算法通过增加must-link和cannot-link约束作为先验知识,并在must-link约束集中叠加数据点的密度,以此产生新的聚类中心从而实现对数据点的吸引;对于cannot-link约束集中的数据点,通过将其n级最近邻居分离的方式找到其所属聚类中心,实现簇的归属。实验表明,基于密度峰值的半监督聚类算法利用先验知识来约束和引导聚类结果,在一定程度上改善了聚类的效果,并可应用于任意形状数据集的聚类问题中。
-
关键词
密度峰值聚类
must-link约束
cannot-link约束
半监督聚类
-
Keywords
density peak clustering
must-link constraint
cannot-link constraint
semi-supervised clustering
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
