基于偶对约束的半监督模糊聚类算法研究-工程硕士专业论文.docxVIP

摘 要 摘 要 半监督聚类是一种通过引入部分监督信息来提高聚类性能的方法，它在实际中也有 很广泛的应用比如：生物领域，医学领域，模式识别领域等等，对于常见的半监督聚类 来说，度量函数有很多，比如欧式度量，高斯核函数等等，其中最常用的度量函数就是 欧式度量，但是对于欧式度量也有它的缺点：1 仅对球形数据有比较好的效果，2 在处 理样本相关性比较大的数据集时聚类效果一般，3 对于高维数据样本的计算量很大，容 易由此导致计算时间过长问题。针对以上几个问题，本文将不同的度量函数与半监督算 法相结合，研究了基于不同度量函数和偶对约束的半监督模糊聚类算法 F-SCAPC。具 体的研究内容如下： （1）解决数据样本相关性的问题 欧氏距离对给定的球形数据集有比较好的聚类效果，但是如果是椭圆形数据，聚类 效果就不太理想，另一方面如果所给定的数据集的样本相关性比较大，也无法获得好的 聚类效果。而马氏距离善于处理样本相关性比较大的数据。通过将马氏距离引入到算法 中，修改目标函数，可以很好地解决这类问题。 （2）解决高维数据聚类产生数据计算量过大的问题 欧式度量在聚类过程中可能会由于数据维数过高，运算量太大而出现计算崩溃问 题，而核函数可以通过产生的高维特征空间映射来解决这个问题，本文通过将高斯核函 数引入到算法中，将样本点由输入空间映射到新的高维特征空间，在进行聚类，也有比 较好的聚类效果。 本文研究了基于偶对约束的半监督模糊聚类，将马氏度量和高斯核函数引入到半监 督模糊聚类中，获得了一种新的半监督模糊聚类目标函数，通过求解优化问题，提出了 基于偶对约束和不同度量函数的半监督模糊聚类算法 F-SCAPC。针对选择的标准数据 集和人工数据集，对提出的算法 F-SCAPC 进行了实验研究，并与 FCM、CA、KCA、 AFCC、KFCM-F 和 SCAPC 算法的聚类性能进行了比较，结果表明了提出的算法 F-SCAPC 在收敛速度和正确率两方面都是有效的。 关键词 半监督聚类 偶对约束 马氏度量 高斯核函数 I II II Abstract Abstract Semi-supervised clustering is an important method which can improve clustering performance by introducing partial supervised information; it also has been widely used in areas such as biology field, medical field and pattern recognition. Generally speaking there is a lot of metric function for semi-supervised clustering algorithm. For example: Euclidean metric, Kernel metric and so on.Euclidean metric is the most commonly used metric function. But it also has disadvantages for Euclidean metric: 1. It only has better effect on spherical data, 2 The cluster result is not good during processing large correlation data, 3 If the data is high dimensional, the computation may be very high, and it may cause the curse of dimensionality. Specific to those problems, we propose a semi-supervised fuzzy clustering algorithm F-SCAPC which based on metric learning and pairwise constraints. The main contents are al follows: First, Euclidean metric has better effect on spherical data,it is not suitable for elliptical data. In addition, the cluster result is not good during processing large correlation data. As we