一種基于主動學(xué)習(xí)的半監(jiān)督譜聚類算法研究.pdf

1、近年來，數(shù)據(jù)挖掘技術(shù)引起了人們的廣泛關(guān)注和深入研究，而聚類技術(shù)是數(shù)據(jù)挖掘相關(guān)研究中最為常用的技術(shù)之一，得到了越來越多的關(guān)注。但是傳統(tǒng)的聚類算法在處理樣本空間的形狀不呈現(xiàn)凸?fàn)顣r容易陷入局部最優(yōu)解，譜聚類算法應(yīng)運(yùn)而生。譜聚類算法基于譜圖劃分理論，可以在非凸形狀分布的樣本空間中實現(xiàn)聚類，而且能夠避免陷入局部最優(yōu)解，收斂于全局最優(yōu)，但是在類邊界點的劃分上不夠明晰。
　　本文對傳統(tǒng)譜聚類進(jìn)行了改進(jìn)，將半監(jiān)督學(xué)習(xí)技術(shù)與譜聚類算法相融合。半監(jiān)督

2、學(xué)習(xí)可以利用帶標(biāo)簽數(shù)據(jù)進(jìn)行監(jiān)督學(xué)習(xí)也可以利用無標(biāo)簽數(shù)據(jù)進(jìn)行無監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)的性能取決于監(jiān)督信息，本文根據(jù)用戶需要在譜聚類算法中加入成對約束信息Must?link和Cannot?link監(jiān)督信息指導(dǎo)聚類過程。在此基礎(chǔ)上，使用主動學(xué)習(xí)策略，提出了一種基于成對約束的主動學(xué)習(xí)方法，在數(shù)據(jù)樣本類邊界上通過計算函數(shù)選擇特定邊界點添加成對約束監(jiān)督信息，從而提高聚類的正確率。最終，本文通過對傳統(tǒng)譜聚類的改進(jìn)提出了一種基于主動學(xué)習(xí)的半監(jiān)督譜聚類算法