聚类可以在没有监督信息的指导下,将数据划分成不同的簇,使得相似的数据尽可能在同一个簇中,而不相似的数据被划分在不同的簇中。“物以类聚,人以群分”,在模式识别、医学诊断、生物学等领域中存在着大量需要将数据按一定规则划分的场景。因此,聚类成为无监督学习中一个被广泛关注的问题,一些经典的方法如K-均值、谱聚类、子空间聚类也得到了广泛的应用。聚类方法尽管操作简单,适用性强,但是由于缺少监督信息的指导依然存在着鲁棒性和稳定性的问题。为了解决这些问题,半监督聚类试图引入少量的监督信息来提升聚类的效果。在聚类的过程中受到监督信息的指导,一些半监督聚类方法展现出优异的性能。然而,半监督方法的性能往往高度依赖于所使用的监督信息。现有的方法监督信息往往是事先给定的,这些方法在不考虑如何选择监督信息的情况下,可能会导致使用的监督信息是冗余的甚至不利于聚类,从而使半监督聚类的性能和适用性受到限制。为了解决以上问题,本文提出新的基于主动学习的聚类算法,本文的主要贡献如下:本文提出了基于集成的主动聚类算法。首先,我们观察到自步学习和主动学习两种学习策略的互补性,从而提出基于集成的主动聚类框架。在该框架中,我们可以评估出数据的难易程度,从而按照自步学习“循序渐进”的策略先学习简单的数据,再逐步学习困难的数据。同时,在此过程中我们引入主动学习去选择最具有价值的数据交给人工标注。利用尽可能少的监督信息,更大程度的促进模型的学习。通过将集成学习与主动聚类融合在一个统一的框架中,我们可以从基聚类中得到更优的聚类结果,并且通过大量的实验验证了该算法的有效性。我们进一步发现,在原始特征空间中对数据进行划分的传统聚类算法,可能无法挖掘内在的聚类结构。特别是在高维数据上,性能受到严重的限制。我们把深度学习引入到主动聚类中,将深度学习、聚类、约束选择融合到统一的框架中。在这个框架中,我们利用深度学习可以学习更有利于聚类的表示。随后,利用这些表示挑选更有价值的监督信息,这些监督信息再反过来促进深度学习的进行。将不同的任务构成一个相互促进的循环框架,最终获取更好的聚类结果。实验结果证明,在基准数据集上本文提出的方法在性能上优于其他聚类算法。综上所述,本文的研究跳出了传统的无监督和半监督聚类的框架。我们在聚类过程中引入了主动学习的范式,设计策略去衡量数据的价值并选择合适的数据进行人工标注。随后,使用这些标注来指导聚类。最终,通过实验验证了基于主动学习的聚类算法能够以尽可能小的标注代价来获取更好的聚类结果。