文献类型：期刊文章

作　　者：汪军[1,2] 王传玉[2] 周鸣争[1]

机构地区：[1]安徽工程科技学院计算机科学与工程系,安徽芜湖241000 [2]安徽工程科技学院应用数理系,安徽芜湖241000

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金专项基金No10826098~~

年　　份：2009

卷　　号：45

期　　号：28

起止页码：137-139

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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成树并迭代分裂获取K-均值聚类算法所需要的聚类数和初始聚类中心。在IRIS数据集上的实验表明,尽管随机样本构造的生成树不同,聚类中心也不同,但聚类是一致且稳定的,迭代的次数较少,验证了该文算法的有效性。

关 键 词：半监督学习 K-均值聚类 标签样本  最小生成树

分 类 号：TP391.4]