| 基于PCA降维的成对约束半监督聚类集成 |
| |
| 引用本文： | 黄欣辰,皋军,黄豪杰.基于PCA降维的成对约束半监督聚类集成[J].计算机与现代化,2021,0(1):94-99. |
| |
| 作者姓名： | 黄欣辰 皋军 黄豪杰 |
| |
| 作者单位： | 盐城工学院信息工程学院,江苏 盐城 224002;江苏科技大学计算机学院,江苏 镇江 212003;盐城工学院信息工程学院,江苏 盐城 224002;江苏科技大学计算机学院,江苏 镇江 212003;江苏科技大学计算机学院,江苏 镇江 212003 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 针对现有的聚类集成算法大都是无监督聚类集成算法且不能很好地处理高维数据的问题，设计一种基于PCA降维技术的成对约束半监督聚类集成算法（SSCEDR）。SSCEDR方法使用PCA主成分分析对原始数据进行降维，结合半监督聚类集成技术，在降维后的空间中将成对约束等先验知识代入到聚类集成过程中。本文通过在多组数据集上实验来验证算法的有效性。
|
| 关 键 词： | 聚类集成 降维 成对约束 半监督 主成分分析 |
| 收稿时间： | 2021-01-29 |
Semi-supervised Clustering Ensemble with Pairwise ConstraintsBased on PCA Dimension Reduction |
| |
| HUANG Xin-chen,GAO Jun,HUANG Hao-jie.Semi-supervised Clustering Ensemble with Pairwise ConstraintsBased on PCA Dimension Reduction[J].Computer and Modernization,2021,0(1):94-99. |
| |
| Authors: | HUANG Xin-chen GAO Jun HUANG Hao-jie |
| |
| Abstract: | Aiming at the problem that the existing clustering integration algorithms are unsupervised and cannot deal with high-dimensional data well, this paper proposes a semi-supervised clustering ensemble with pairwise constraints based on PCA dimension reduction (SSCEDR), the SSCEDR method uses PCA principal component analysis to reduce the dimension of the original data. Combined with semi-supervised clustering integration technology, the prior knowledge such as pairwise constraints is substituted into the clustering integration process in the reduced dimension space. The effectiveness of the algorithm is verified by experiments on multiple data sets. |
| |
| Keywords: | clustering ensemble dimension reduction pairwise constraints semi-supervised principal component analysis |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
