结合特征偏好的半监督聚类学习
来源：计算机科学与探索杂志2015年第1期北京时间：
作者：方玲，陈松灿
单位：南京航空航天大学 计算机科学与技术学院，南京 210016
摘要：半监督聚类是机器学习的重要研究内容之一，它通过利用样本层面的少量标记数据信息或者利用特征层面的特征偏好信息来指导半监督聚类。但现有的半监督聚类算法仅考虑了单一层面的半监督先验信息，罕有同时考虑两个不同层面的此类信息进行半监督聚类。为了弥补这一遗漏，联合利用特征层面给定的特征偏好，即特征之间的相对重要性关系，并结合样本层面的少量标记数据等半监督信息，在传统的半监督聚类算法基础上发展出一个扩展型半监督聚类算法。初步实验验证了该算法的有效性。
关键词：半监督学习,聚类,半监督聚类,特征偏好,标记信息
