基于辅助空间与主空间合作的半监督聚类方法 .pdfVIP

维普资讯

ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用２００７，４３（２３）１７７

基于辅助空间与主空间合作的半监督聚类方法

罗晓清，王士同．徐红林

ＬＵＯＸｉａｏ－ｑｉｎｇ，ＷＡＮＧＳｈｉ—ｔｏｎｇＪＸＵＨｏｎｇ—ｌｉｎ

江南大学信息工程学院．江苏无锡２１４１２２

ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＳｏｕｔｈｅｒｎＹａｎｇｔｚｅＵｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ，Ｊｉａｎｇｓｕ２１４１２２，Ｃｈｉｎａ

Ｅ－ｍａｉｌ：ｚｄｌｘｑ＠ｓｏｈｕ．ｃｏｍ

ＬＵＯＸｉａｏ－ｑｉｎｇ．ＷＡＮＧＳｂｉ－ｔｏｎｇ．ＸＵＨｏｎｇ－ｌｉｎ．Ｎｏｖｅｌｓｅｍｉ－ｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇ：ｃｏｌｌａｂｏｒａｔｉｎｇｐｒｉｍａｒｙｓｐａｃｅｗｊｔｈａｌｌＸｉ］・

ｉａｒｙｓｐａｃｅ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００７，４３（２３）：１７７—１８０．

Ａｂｓｔｒａｃｔ：Ｉｎｇｅｎｅｒａｌ，ｕｎｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇｉｓｏｎｌｙｂａｓｅｄｏｎｐｒｉｍａｒｙｓｐａｃｅ．Ｉｆａｕｘｉｌｉａｒｙｓｐａｃｅｉｓｃｏｎｓｉｄｅｒｅｄｔｏｉｎｃｏｒｐｏｒａｔｅｗｉｔｈ

ｐｒｉｍａｒｙｓｐａｃｅ，ｕｎｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇｗｉｌｌｂｅｃｏｍｅｓｅｍｉ－ｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｕｘｉｌｉａｒｙｓｐａｃｅｃｏｍｂｉｎｅｄｗｉｔｈｐｒｉｍａｒｙ

ｓｐａｃｅｉｓｉｎｔｒｏｄｕｃｅｄｔｏｔｈｅｄｅｓｉｇｎｏｆｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｃｏｓｔｆｕｎｃｔｉｏｎ．Ａｎｄａｃｃｏｒｄｉｎｇｌｙａｎｏｖｅｌｓｅｍｉ—ｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ

ＡＰＭＳＣｂａｓｅｄｏｎｂｏｔｈａｕｘｉｌｉａｒｙｓｐａｃｅａｎｄｐｒｉｍａｒｙｓｐａｃｅｉｓｐｒｏｐｏｓｅｄ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｒｅａｌｉｚｅｓｔｈｅｅｆｆｉｃｉｅｎｔｃｌｕｓｔｅｒｉｎｇｂｙｍｉｎｉｍｉｚ－

ｉｎｇｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｃｏｓｔｆｕｎｃｔｉｏｎｉｔｅｒａｔｉｖｅｌｙ．Ｏｕｒｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｉｔｓｖａｌｉｄｉｔｙａｎｄｓｕｐｅｒｉｏｒｉｔｙ．

Ｋｅｙｗｏｒｄｓ：ａｕｘｉｌｉａｒｙｓｐａｃｅ；ｐｒｉｍａｒｙｓｐａｃｅ；ｃｏｓｔｆｕｎｃｔｉｏｎ；ｓｅｍｉ—ｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇ

摘要：无监督聚类仅仅基于主空间，当辅助空间被引入聚类过程时，无监督聚类成为半监督聚类。代价函数的设计既考虑到主空

间又考虑到辅助空间，从而一个新颖的基于辅助空间与主空间合作的半监督聚类方法ＡＰＭＳＣ被提出。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ＡＰＭＳＣ的有效性和优越性。

关键词：辅助空间；主空间；代价函数；半监督聚类

文章编号：１００２—８３３１（２００７）２３—０１７７—０４文献标识码：Ａ中图分类号：ＴＰ１８１

引ｌ言法聚类性能优于ＡＭＳＣ。

聚类分析是对群体及成员进行分类的递归过程。一个簇是本文由以下几个部分组成，第２章介绍数据的ＶＭＦ分布，

组数据对象的集合，在同一簇中的对象彼此类似，而不同簇第３章描述了ＡＭＳＣ算法，第４章提出了ＡＰＭＳＣ算法，以及

一

中的对象彼此相异。聚类分析有很广泛的应用，包括市场或客算法推导。第５章给出聚类评价标准和实验结果。最后对本文

户分析、模式识别、生物学研究