助推器

BoostCluster:通过成对约束增强聚类。数据聚类是许多学科中的一个重要课题。大量的研究试图通过使用边信息(通常编码为成对约束)来改进聚类。然而,这些研究集中在设计能有效利用成对约束的特殊聚类算法上。我们提出了一个boosting框架,称为BoostCluster,它能够通过利用成对约束迭代提高任何给定聚类算法的精度。设计一个boosting数据聚类框架的关键问题是如何利用边信息影响任意的聚类算法,因为定义的聚类算法是无监督的。该框架通过在每次迭代时动态生成新的数据表示来解决这个问题,这些数据表示一方面与给定的算法在先前迭代中的聚类结果相适应,另一方面与给定的边信息一致。我们的实证研究表明,所提出的boosting框架能够有效地提高一些流行的聚类算法(K-means、部分单链路、谱聚类)的性能,其性能可以与最新的基于边信息的数据聚类算法相媲美。

这个软件也是同行评审按日记帐汤姆斯.


zbMATH中的参考文献(参考文献5条)

显示第1到第5个结果,共5个。
按年份排序(引用)

  1. 安托万,V。;考斯特,B。;M.—马森。;Denoeux,T.:CEVCLUS:关系数据的实例级约束的证据聚类(2014)ioport公司
  2. 何平;徐晓华;胡,功夫;陈玲:基于多级随机游走的半监督聚类(2014)
  3. 张金春;陈新义:判别随机场半监督聚类(2012)
  4. 马吉尼,马可;梅拉奇,斯特凡诺;Sarti,Lorenzo:通过相似性神经网络从成对约束中学习(2012)ioport公司
  5. Vu,越南—Vu;拉布罗什,尼古拉斯;Bouchon Meunier,Bernadette:使用主动查询选择改进约束聚类(2012)ioport公司