文献类型：期刊文章

作　　者：李晁铭[1] 徐圣兵[1,2] 郝志峰[1,3]

LI Chaoming XU Shengbing HAO Zhifeng(School of Applied Mathematics, Guangdong University of Technology, Guangzhou 510520 School of Computers, Guangdong University of Technology, Guangzhou 510006 School of Mathematics and Big Data, Foshan University, Foshan 528000)

机构地区：[1]广东工业大学应用数学学院,广州510520 [2]广东工业大学计算机学院,广州510006 [3]佛山科学技术学院数学与大数据学院,佛山528000

出　　处：《模式识别与人工智能》

基　　金：广东省科技计划项目(No.2015A070704049);广东工业大学青年基金项目(No.405085084);广东工业大学本科实验教学改革与研究项目(No.262523346)资助~~

年　　份：2017

卷　　号：30

期　　号：7

起止页码：598-608

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：极大熵聚类(MEC)目标函数中缺乏成对约束的有效信息表达,在拥有少量成对约束的情况下,可能导致有效监督信息的浪费.在MEC的基础上,文中提出基于成对约束的交叉熵半监督聚类算法.利用样本交叉熵表达成对约束信息,并作为惩罚项引入至MEC的目标函数中,通过拉格朗日最优化处理目标函数,得出聚类中心与隶属度的迭代公式.实验表明,文中算法能有效利用少量的成对约束监督信息提高聚类性能,在实际数据应用中性能较好.

关 键 词：极大熵聚类(MEC)  成对约束  交叉熵 半监督聚类

分 类 号：TP181]