基于贝叶斯网络的半监督聚类集成模型

作     者：王红军 李志蜀 戚建淮 成飏 周鹏 周维 WANG Hong-Jun;LI Zhi-Shu;QI Jian-Huai;CHENG Yang;ZHOU Peng;ZHOU Wei

作者机构：西南交通大学信息化研究院四川成都610031 四川大学计算机学院四川成都610054 

基　　金：国家自然科学基金No.61003142 国家铁道部资助项目Nos.2009X010-A 2009X010-B~~ 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2010年第21卷第11期

页      码：2814-2825页

摘      要：已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性、鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of California,Irvine)机器学习库中选取部分数据来做实验.实验结果表明,SCE模型本身及其变分推理后所设计的EM算法都能进行半监督聚类集成,总的来说,效果比NMFS(algorithm of nonnegative-matrix-factorization based semi-supervised)、半监督SVM(support vector machine)、LVCE(latentvariable model for cluster ensemble)等算法要好.该半监督聚类集成模型聚集了半监督学习和聚类集成两者的优点,最后的聚类结果比单纯的半监督聚类或聚类集成的效果都要好.

主 题 词：半监督聚类集成 变分推理 必连 不连 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/sp.j.1001.2010.03683

馆 藏 号：203272055...