基于双近邻测度的半监督聚类方法.pdfVIP

第25卷第4期 计算机应用与软件 Vol，25 No，4 2008年4月 Computer Applications and Software Apr．2008 基于双近邻测度的半监督聚类方法 罗晓清 王士同 (江南大学信息工程学院 江苏无锡 214122) 摘 要 代价函数的设计既要考虑到主空间又要考虑到辅助空间，从而提出了一个新颖的基干双近邻测度的半监督聚类方法 DMSC。该算法通过迭代优化，使得相应的代价函数最小化，最终得到有效的聚类结果。通过实验证实了DMSC的有效性和优越性。 关键词 双近邻测度 辅助空间 代价函数 半监督聚类 A NoVEL SEMI．SUPERVISED CLUSTERING METHoD BASED oN DoUBLE SIMILARITY MEASURE Luo Xiaoqing Wang Shitong (School ofInformation Technology，Jiangnan University，Wuxi 214122，fiangsu，China) Abstract Both auxiliary space and primary space should be taken into consideration for the design of the corresponding cost function．A novel semi-supervised clustering algorithm DMSC based on double similarity measure is proposed．Based on iteration optimization，efficient clustering is realized through the minimization of the corresponding cost function．Experimental results demonstrate the validity and superiority of the method． Keywords Double similarity measure Auxiliary space Cost function Semi—supervised clustering 因此，公式(1)可以表示为： 0 引 言 E “ 一 。s +const ，， r 、_I，r 、 J 聚类分析是对群体及成员进行分类的递归过程。Janne SinKKonen和Samuel Kaski提出了一种基于辅助空间条件分布 2 DMSC算法 的半监督聚类方法AMSC…。该算法中主空问的信息被投影到 辅助空间，通过辅助空间完成迭代优化过程。 AMSC算法把辅助空间引入无监督聚类中，形成新的半监 虽然，AMSC辅助空间的引入较好地改善了聚类效果，但是 督聚类算法，经Janne SinKKonen和Samuel Kaski验证，它提高 主空间的变化对聚类过程的影响被削弱，不能很好地体现在迭 了收敛速度，改善了聚类性能。但是AMSC只是把主空问投影 代优化中。因而目标函数往往收敛于鞍点，不能有效地处理局 到辅助空间，通过基于辅助空间的近邻测度完成聚类，这种算法 部极值问题，聚类效果