Institute of Computing Technology, Chinese Academy IR
| 半监督聚类综述 | |
| 秦悦1; 丁世飞1 | |
| 2019 | |
| 发表期刊 | 计算机科学
 |
| ISSN | 1002-137X |
| 卷号 | 46.0期号:009页码:15 |
| 摘要 | 半监督聚类是结合半监督学习与聚类分析而提出的新的学习方法,其在机器学习中得到了广泛的重视和应用。传统无监督聚类算法在划分数据时并不需要任何数据属性,但在实际应用中,存在少量带有独立类标签或成对约束的监督信息的数据样本,学者们致力于将这些为数不多的监督信息运用于聚类,以得到更优的聚类结果,从而提出了半监督聚类。文中主要介绍了半监督聚类的理论基础和算法思想,并对半监督聚类的最新研究进展进行了综述。首先,对半监督学习的研究现状和分类进行了概述,并将生成式半监督学习、半监督SVM、基于图的半监督学习和协同训练这4种分类方法进行了对比;其次,针对半监督学习的聚类进行了详细的描述,并对4种典型半监督聚类算法(Cop-Kmeans算法、LCop-Kmeans算法、Seeded-Kmeans算法和SC-Kmeans算法)的算法思想进行了分析和总结,同时对这4种算法的优缺点进行了评价;然后,按照基于约束的半监督聚类和基于距离的半监督聚类两种情况,分别对半监督聚类的研究现状进行了阐述;最后,探讨了半监督聚类在生物信息学、图像分割以及计算机其他领域内的应用以及未来的研究方向。文中旨在使初学者能够快速了解半监督聚类的进展,理解典型的算法思想,并在之后的实际应用中能起到一定的指导作用。 |
| 关键词 | 半监督学习 聚类 成对约束 标签 半监督聚类 机器学习 |
| 语种 | 英语 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://119.78.100.204/handle/2XEOYT63/35086 |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.中国矿业大学 2.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 秦悦,丁世飞. 半监督聚类综述[J]. 计算机科学,2019,46.0(009):15. |
| APA | 秦悦,&丁世飞.(2019).半监督聚类综述.计算机科学,46.0(009),15. |
| MLA | 秦悦,et al."半监督聚类综述".计算机科学 46.0.009(2019):15. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [秦悦]的文章 |
| [丁世飞]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [秦悦]的文章 |
| [丁世飞]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [秦悦]的文章 |
| [丁世飞]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论