基于功效散度和成對約束的半監督聚類算法

摘要：現有成對約束半監督聚類算法(CE-sSC)克服了極大熵聚類(MEC)算法不能利用樣本成對約束信息的缺點,但CE-sSC算法的懲罰項中各熵項之間相互干擾,不利于懲罰項系數的選擇。為克服此問題,基于相對熵提出了一類新的半監督聚類算法(PD-sSC),并把表示成對約束樣本信息(外部信息)的相對熵項推廣到了功效散度(PD)族。此時,PD指標可取任意的實數,當成對約束數較少時,可通過調整PD散度指標來選擇比對比算法表現更好的PD-sSC算法。實驗結果顯示了PD-sSC算法的優良性質,PD-sSC算法懲罰系數的選擇也比CE-sSC算法簡單且高效。