聚類(lèi)技術(shù)及其應(yīng)用研究.pdf

1、聚類(lèi)算法研究是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的核心研究?jī)?nèi)容，已經(jīng)吸引了無(wú)數(shù)的研究者為之努力。聚類(lèi)是無(wú)監(jiān)督學(xué)習(xí)的代表，在聚類(lèi)算法中，數(shù)據(jù)之間的相似度是根據(jù)描述對(duì)象的屬性值來(lái)計(jì)算的，選擇適當(dāng)?shù)南嗨菩远攘渴潜ＷC聚類(lèi)質(zhì)量的重要問(wèn)題。但是，傳統(tǒng)的基于距離的相似性度量不適用于高維的、包含混合類(lèi)型的數(shù)據(jù)集。同時(shí)，傳統(tǒng)的機(jī)器學(xué)習(xí)方法大多只考慮有標(biāo)簽數(shù)據(jù)或者只考慮未標(biāo)簽數(shù)據(jù)，而在真實(shí)問(wèn)題中往往是二者并存，如何更有效地利用這些數(shù)據(jù)成為當(dāng)前的研究熱點(diǎn)之一。能夠同時(shí)利用標(biāo)

2、簽數(shù)據(jù)和未標(biāo)簽數(shù)據(jù)的半監(jiān)督學(xué)習(xí)應(yīng)運(yùn)而生，許多傳統(tǒng)的聚類(lèi)算法被推廣為“半監(jiān)督版本”。經(jīng)驗(yàn)表明，在半監(jiān)督學(xué)習(xí)領(lǐng)域，借鑒和采用聚類(lèi)思想對(duì)推進(jìn)學(xué)習(xí)過(guò)程和改進(jìn)學(xué)習(xí)性能均十分有效。
　　 本文首先針對(duì)多數(shù)傳統(tǒng)聚類(lèi)算法所采用的基于距離的相似性度量的局限性問(wèn)題，提出一種適用于聚類(lèi)領(lǐng)域的基于空間覆蓋思想的相似性度量，它利用數(shù)據(jù)在多維空間中的相互覆蓋關(guān)系來(lái)衡量數(shù)據(jù)之間的相似性，并進(jìn)一步實(shí)現(xiàn)了基于該相似性度量的層次聚類(lèi)算法SOHC（a Spatial

3、 Overlapping based similarity measure applied toHierarchical Clustering），通過(guò)實(shí)驗(yàn)分析驗(yàn)證了該算法的有效性。然后將聚類(lèi)算法推廣應(yīng)用到半監(jiān)督學(xué)習(xí)的不同領(lǐng)域，設(shè)計(jì)和實(shí)現(xiàn)了相應(yīng)的三種算法：（1）針對(duì)具有少量標(biāo)簽數(shù)據(jù)的極高維數(shù)據(jù)集，提出基于空間覆蓋的半監(jiān)督特征選擇方法SOS-FS（Spatial Overlapping based Semi-supervised Featu

4、re Selection）；（2）針對(duì)人工對(duì)大型數(shù)據(jù)集進(jìn)行標(biāo)記的傳統(tǒng)監(jiān)督分類(lèi)方法可行性低，提出應(yīng)用于大型數(shù)據(jù)集上的一種新的半監(jiān)督分類(lèi)方法SS-LFL（a novel Semi-Supervised classification applied to Largedata sets with very Few Labeled examples）；（3）針對(duì)特征選擇算法的魯棒性和穩(wěn)定性問(wèn)題以及現(xiàn)實(shí)中大量的廉價(jià)未標(biāo)簽數(shù)據(jù)的利用問(wèn)題，提出一種新的