-
题名基于半监督K-Means的属性加权聚类算法
被引量：6
- 1
-
-
作者
潘巍
周晓英
吴立锋
王国辉
-
机构
首都师范大学信息工程学院
首都师范大学北京市高可靠嵌入式系统工程研究中心
首都师范大学北京市电子系统可靠性技术研究重点实验室
-
出处
《计算机应用与软件》
2017年第3期189-193,242,共6页
-
基金
国家自然科学基金项目(61202027)
北京市属高等学校创新团队建设与教师职业发展计划项目(IDHT20150507)
-
文摘
K-Means是经典的非监督聚类算法,因其速度快,稳定性高广泛应用在各个领域。但传统的K-Means没有考虑无关属性以及噪声属性的影响,并且不能自动寻找聚类数目K。而目前K-Means的改进算法中,也鲜有关于高维以及噪声方面的改进。因此,结合PCA提出基于半监督的K-Means加权属性聚类方法。首先,用PCA得到更少更有效的特征,并计算它们的分类贡献率(即每个特征对聚类的影响因子)。其次,由半监督自适应算法得到K。最后将加权数据集以及K应用到聚类中。实验表明,该算法具有更好的识别率和普适性。
-
关键词
均值
聚类
半监督
主成分分析
属性加权
-
Keywords
Means Clustering Semi-supervised Principal Component Analysis Attribute-weighted
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
