论文部分内容阅读
为了充分挖掘成对约束所隐含的信息来指导数据降维和数据聚类，提出一种基于加权成对约束投影的半监督聚类方法．该方法构造成对约束信息的k最近邻集并扩充成对约束集，分析成对约束实例包含的信息量并构造权系数矩阵，在加权成对约束信息的指导下求得投影矩阵，通过投影矩阵将样本数据投影到低维空间，使类内各点紧密分布，类间各点分散分布．同时，通过一种新的评价函数对k均值聚类算法进行改进，能够在尽量不违反成对约束的情况下优化聚类性能，实验结果表明，与现有半监督降维聚类算法相比，新方法能以较低的开销对高维数据进行聚类．