|
|||||
|
|
| 基于多示例的K-means聚类学习算法 | |
| 作者姓名： | 谢红薇 李晓亮 |
| 作者单位： | 太原理工大学计算机与软件学院,太原,030024;太原理工大学计算机与软件学院,太原,030024 |
| 基金项目： | 山西省自然科学基金资助项目 |
| 摘 要： | 多示例学习是继监督学习、非监督学习、强化学习后的又一机器学习框架。将多示例学习和非监督学习结合起来,在传统非监督聚类算法K-means的基础上提出MIK-means算法,该算法利用混合Hausdorff距离作为相似测度来实现数据聚类。实验表明,该方法能够有效揭示多示例数据集的内在结构,与K-means算法相比具有更好的聚类效果。 |
| 关 键 词： | 多示例学习 K-means聚类 包间距 聚类有效性评价 |
| 修稿时间： | |
| 本文献已被 维普 万方数据 等数据库收录！ | |
| 点击此处可从《计算机工程》浏览原始摘要信息 | |
| 点击此处可从《计算机工程》下载全文 | |