基于流形距离的半监督近邻传播聚类算法  

Semi-supervised affinity propagation clustering based on manifold distance

作　　者：冯晓磊[1] 于洪涛[1] 

机构地区：[1]国家数字交换系统工程技术研究中心,郑州450002

出　　处：《计算机应用研究》2011年第10期3656-3658,3664,共4页Application Research of Computers

基　　金：国家"863"计划资助项目(2008AA011002;2011AA010603)

摘　　要：通过学习数据集的低维流形结构,给出一种流形距离测度;结合成对约束信息,调整数据的相似度矩阵,将其作为近邻传播算法的输入,提出了基于流形距离的半监督近邻传播聚类算法(SAP-MD)。通过在UCI标准数据集上的仿真实验表明,SAP-MD算法相比于仅利用成对约束信息的聚类算法,在聚类性能上有很大提高。This paper studied the manifold structure to propose a manifold distance,which used to adjust the similarity matrix combined with the pairwise constraints.It took the modified matrix as the inputs of affinity propagation algorithm.And put forward a semi-supervised affinity propagation based on manifold distance algorithm（SAP-MD）.The promising experimental results on the UCI datasets prove that the SAP-MD is better than others algorithms only incorporating pairwise constraints.

关 键 词：近邻传播聚类 流形学习 半监督聚类 成对约束信息 流形距离 

分 类 号：TN915[电子电信—通信与信息系统]