基于多示例的K-means聚类学习算法
谢红薇;李晓亮
【期刊名称】《计算机工程》 【年(卷),期】2009(035)022
【摘要】Multi-instance learning is a new machine learning framework following supervised learning, unsupervised learning and reinforcement learning. Multi-instance learning and unsupervised learning are combined. This paper proposes a new multi-instance clustering algorithm MI_K-means based on traditional unsupervised learning algorithm K-means. The algorithm MI_K-means adopts mixed Hausdorff distance as similar measure to carry out clustering. Experimental shows that Ml_K-means can effectively reveal inherent structure of a multi-instance data set, and it can get better clustering effect than K-means algorithm.%多示例学习是继监督学习、非监督学习、强化学习后的又一机器学习框架.将多示例学习和非监督学习结合起来,在传统非监督聚类算法K-means的基础上提出MI_K-means算法,该算法利用混合Hausdorff距离作为相似测度来实现数据聚类.实验表明,该方法能够有效揭示多示例数攒集的内在结构,与K-means算法相比具有更好的聚类效果. 【总页数】3页(179-181)
【关键词】多示例学习;K-means聚类;包间距;聚类有效性评价 【作者】谢红薇;李晓亮
【作者单位】太原理工大学计算机与软件学院,太原,030024;太原理工大学计算
机与软件学院,太原,030024 【正文语种】中文 【中图分类】TP311 【相关文献】
1.基于K-means聚类算法的远程学习者效果分析 [J], 侯月姣; 李青; 王晓军; 李晓丽
2.基于K-means聚类算法的网络个性化学习行为研究 [J], 尹帮治 3.基于K-means聚类算法的在线学习行为分析 [J], 刘训星
4.一种基于 k-means 聚类和半监督学习的医学图像分割算法 [J], 黄伟; 陶俊才 5.基于大数据下K-means聚类算法的在线学习行为路径应用研究 [J], 刘思宏; 余飞
以上内容为文献基本信息，获取文献全文请下载
基于多示例的K-means聚类学习算法
