基于成對約束的聚類和降維算法研究.pdf

1、近年來，半監(jiān)督學習因其卓越的性能逐漸受到模式識別和機器學習領域研究者的重視。半監(jiān)督學習可利用的監(jiān)督信息除了少量的標記樣本外，還包括樣本間的成對約束等其它信息。其中與樣本標記相比，成對約束所含的信息較弱，因而更容易獲取。本文主要針對基于成對約束的聚類和降維算法展開研究，所取得的主要研究成果如下：
　　 （1）在競爭Renyi熵和Shannon熵聚類算法的基礎上，通過引入樣本之間的成對約束信息，提出一種基于成對約束的半監(jiān)督競爭熵聚類

2、算法，在一系列國際標準數(shù)據(jù)集上的實驗驗證了該算法的有效性。
　　 （2）提出一種基于半監(jiān)督降維的聚類算法，該算法首先用半監(jiān)督降維方法對原始數(shù)據(jù)進行降維，然后在降維后的空間中進行半監(jiān)督聚類，實驗結(jié)果表明由于在降維和聚類兩個階段中都利用了監(jiān)督信息，算法的聚類性能得到很大提升。
　　 （3）把集成學習的思想引入半監(jiān)督聚類，通過對成對約束進行劃分，提出一種半監(jiān)督投影聚類集成算法，進一步提高了算法的聚類性能，并且對集成算法的多樣性