3.
基于k-means和半监督机制的单类中心学习算法
李志圣 孙越恒 何丕廉 侯越先
计算机应用
提出了一个基于kmeans算法框架和半监督机制的singlemeans算法,以解决单类中心学习问题。kmeans算法实质上是对一种混合高斯模型的期望最大化(EM)算法的近似,对该模型随机生成的多类混合数据集,从目标类中随机标定的初始中心出发,能确定地收敛到该类的实际中心。将singlemeans算法应用到对单类文本中心学习问题中,实验结果表明:在给定目标类中的小标定文本集后,新算法能够有效地改进类的初始中心,且对数据稀疏和方差较大的实际问题具有健壮性。
相关文章 |
多维度评价
|