基于领域知识的半监督聚类算法研究.docx

聚类算法简介 什么是聚类? 聚类就是对大量未知标注的数据集按数据的内在相似性将数据集划分为多个类别使类别内的数据相似度较大而类别间的数据相似度较小; 为什么需要聚类? 对相似的文档或超链接进行聚类由于

《数据分析》04 银行信贷客户的聚类分析-半监督式聚类和聚类集成.pdf

非监督学习--keam聚类文档与算法 matlab

为提高社区发现算法的运行效率，提出了一种基于节点相似度的半监督社区发现算法——SSGN算法。充分利用先验知识must-link、cannot-link约束集合，将先验信息通过衍生规则进行扩展，并对扩展

基于蚁群算法的聚类算法matlab实现

基于层次的聚类算法（以BIRCH算法为例）算法形式化描述输入：包含N个对象的数据集合D输出：簇集合。

K-均值聚类算法必须事先获取聚类数目，并且随机地选取聚类初始中心会造成聚类结果不稳定，容易在获得一个局部最优值时终止。提出了一种基于半监督学习理论的改进K-均值聚类算法，利用少量标签数据建立图的最小生

传统半监督非参核学习方法通常基于流形假设和成对约束信息建立学习模型。但是，这种模型对于某些复杂高维稀疏的数据而言算法复杂性较高。为了解决复杂高维稀疏数据核学习问题，提出一种基于稀疏自编码的非参核学习算

近邻传播（affinitypropagation，AP）算法是一种具有较高准确度的聚类算法，但是其具有较高的时间复杂度，且无法有效聚类结构松散数据。针对这两个问题，提出了一种基于MapReduce的半

针对现有的半监督降维算法没有考虑存在于数据集中的大量未标记信息，不能得到最好的降维效果的问题，提出了一种改进的基于权值的局部保持半监督降维算法。该算法在保持正、负约束信息的同时，还利用距离权值来保持数