半监督聚类的若干新进展

作     者：李昆仑 曹铮 曹丽苹 张超 刘明 LI Kun-Lun;CAO Zheng;CAO Li-Ping;ZHANG Chao;LIU Ming

作者机构：河北大学电子信息工程学院保定071002 保定职业技术学院机电工程系保定071051 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2009年第22卷第5期

页      面：735-742页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.60773062 60873100) 河北省自然科学基金项目(No.F2009000215) 河北省教育厅科研计划项目(No.2008312)资助 

主　　题：半监督聚类 模糊C一均值(FCM) 标记数据 无标记数据 

摘      要：半监督聚类方法利用少量标记数据提高聚类算法的性能,已逐渐发展成为模式识别及相关领域的研究热点.文中首先综述了半监督聚类算法的一些新进展,包括基于约束的方法、基于距离的方法和基于距离与约束的融合方法.然后提出一种基于约束的半监督模糊C-means聚类算法.实验表明,该算法与传统的模糊C-means及半监督K-means方法相比,具有更好的聚类精度.