模式识别与人工智能
2025年1月12日 星期日   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2017, Vol. 30 Issue (7): 598-608    DOI: 10.16451/j.cnki.issn1003-6059.201707003
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于成对约束的交叉熵半监督聚类算法*
李晁铭1,徐圣兵1,2,郝志峰1,3
1.广东工业大学 应用数学学院 广州 510520
2.广东工业大学 计算机学院 广州 510006
3.佛山科学技术学院 数学与大数据学院 佛山 528000
Cross-Entropy Semi-supervised Clustering Based on Pairwise Constraints
LI Chaoming1, XU Shengbing1,2, HAO Zhifeng1,3
1.School of Applied Mathematics, Guangdong University of Technology, Guangzhou 510520
2.School of Computers, Guangdong University of Technology, Guangzhou 510006
3.School of Mathematics and Big Data, Foshan University, Foshan 528000

全文: PDF (976 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 极大熵聚类(MEC)目标函数中缺乏成对约束的有效信息表达,在拥有少量成对约束的情况下,可能导致有效监督信息的浪费.在MEC的基础上,文中提出基于成对约束的交叉熵半监督聚类算法.利用样本交叉熵表达成对约束信息,并作为惩罚项引入至MEC的目标函数中,通过拉格朗日最优化处理目标函数,得出聚类中心与隶属度的迭代公式.实验表明,文中算法能有效利用少量的成对约束监督信息提高聚类性能,在实际数据应用中性能较好
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
李晁铭
徐圣兵
郝志峰
关键词 极大熵聚类(MEC)成对约束交叉熵半监督聚类    
Abstract:The objective function used in the classical maximum entropy clustering(MEC) lacks the information expression on pairwise constraints. Therefore, the effective supervision information is wasted when a small amount of pairwise constraints are known. In this paper, an algorithm of cross-entropy semi-supervised clustering(CE-sSC) based on pairwise constrains on the basis of MEC algorithm is proposed. The sample cross-entropy is utilized to describe the pairwise constraints information and introduced to the objective function of MEC as a penalty term. With Lagrange optimization procedure, the objective function can be resolved into the cluster center and the membership update equations. Experimental results indicate the proposed method effectively improves the clustering performance by using a small amount of pairwise constraints and works well on actual datasets.
Key wordsMaximum Entropy Clustering(MEC)    Pairwise Constraints    Cross Entropy    Semi-Supervised Clustering   
收稿日期: 2016-11-14     
ZTFLH: TP 181  
基金资助:广东省科技计划项目(No.2015A070704049)、广东工业大学青年基金项目(No.405085084)、广东工业大学本科实验教学改革与研究项目(No.262523346)资助
作者简介: 李晁铭,男,1991年生,硕士研究生,主要研究方向为模式识别、机器学习.E-mail:lcmyysu@163.com.
徐圣兵(通讯作者),男,1974年生,硕士,讲师,主要研究方向为数学建模、迁移学习.E-mail:xushengbing111@126.com.
郝志峰,男,1968年生,博士,教授,主要研究方向为机器学习、人工智能.E-mail:zfhao@fosu.edu.cn.
引用本文:   
李晁铭,徐圣兵,郝志峰. 基于成对约束的交叉熵半监督聚类算法*[J]. 模式识别与人工智能, 2017, 30(7): 598-608. LI Chaoming, XU Shengbing, HAO Zhifeng. Cross-Entropy Semi-supervised Clustering Based on Pairwise Constraints. , 2017, 30(7): 598-608.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201707003      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2017/V30/I7/598
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn