面向限制K-means算法的迭代学习分配次序策略  

Iterative Learning Assignment Order for Constrained K-means Algorithm

作　　者：邱烨[1] 何振峰[1] 

机构地区：[1]福州大学数学与计算机科学学院,福州350108

出　　处：《计算机科学》2012年第8期196-198,209,共4页Computer Science

基　　金：国家自然科学基金项目(60805042);福建省教育厅科技项目(JA11015)资助

摘　　要：结合关联限制K-means算法能有效地提高聚类结果,但对数据对象分配次序却非常敏感。为获得一个好的分配次序,提出了一种基于分配次序聚类不稳定性的迭代学习算法。根据Cop-Kmeans算法的稳定性特点,采用迭代思想,逐步确定数据对象的稳定性,进而确定分配次序。实验结果表明,基于分配次序聚类不稳定性迭代学习算法有效地提高了Cop-Kmeans算法的准确率。Constrained K-means algorithm often improves clustering accuracy,but sensitive to the assignment order of instances.A clustering uncertainty based assignment order Iterative Learning Algorithm（UAILA） was proposed to gain a good assignment order.The instances stability was gradually confirmed by iterative thought according to the characteristics of Cop-Kmeans algorithm stability,and then assignment order was confirmed.The experiment demonstrates that the algorithm effectively improves the accuracy of Cop-Kmeans algorithm.

关 键 词：聚类分析 半监督聚类 K-MEANS 关联限制 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]