典型文献
基于自步学习的自适应半监督聚类算法
文献摘要：
在半监督聚类算法中,通常利用有标签样本的指导来提高数据的聚类效果,但不同样本对聚类结果的重要性并未充分考虑.为了解决这一问题,该文提出了一种基于自步学习的自适应半监督聚类算法(ASSCSPL).首先,在模型中引入自适应损失函数,可以通过调节自适应损失参数提高模型的鲁棒性;其次,在模型中引入自步学习机制,用来刻画不同样本对聚类结果的不同重要程度;最后,在标签传播阶段,所得算法能够很好地利用已有的监督信息,为无标签数据赋予相应的标签权重.数据实验表明,与现有优秀算法比较,所提算法可以达到更好的聚类效果.此外,实验结果也表明,所提算法能够有效地降低噪声对模型聚类性能的影响.
文献关键词：
半监督;谱聚类;自步学习;自适应损失;标签传播
中图分类号：
作者姓名：
贾乐瑶;马盈仓;邢志伟;蒙莹莹
作者机构：
西安工程大学理学院,陕西西安 710048
文献出处：
引用格式：
[1]贾乐瑶;马盈仓;邢志伟;蒙莹莹-.基于自步学习的自适应半监督聚类算法)[J].西北大学学报（自然科学版）,2022(05):847-856
A类：
ASSCSPL
B类：
自步学习,半监督聚类,聚类算法,常利,自适应损失函数,节自,学习机制,重要程度,标签传播,传播阶段,监督信息,无标签数据,算法比较,低噪声,谱聚类
AB值：
0.270711
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
