| 非负半监督函数型聚类方法 | |
姚晓红 ; 黄恒君
| |
| 2021-08-20 | |
| 发表期刊 | 计算机科学与探索
 |
| 卷号 | 15期号:12页码:1-12 |
| 摘要 | 函数型聚类分析是探索函数型数据的重要工具，现有的函数型聚类方法大多属于无监督学习，没有考虑到数据的标签信息。针对目前函数型聚类方法的无监督特性，以及函数型数据通常具备的非负性特征，提出了一种非负半监督函数型聚类方法（Semi-Supervised Non-negative Functional Clustering， SSNFC），用于处理带有少量标签信息的非负函数型数据的聚类问题。首先，通过引入约束非负矩阵分解（Constrained Nonnegative Matrix Factorization， CNMF）技术，将标签信息融入函数型聚类过程中，构建了曲线拟合、非负约束和函数型聚类相统一的一步法模型。其次，给出了模型的迭代更新求解算法，证明了算法的局部收敛性，并分析了算法的时间复杂度。最后，在随机模拟数据、Growth数据和TIMIT（Texas Instruments and Massachusetts Institute of Technology）语音数据的实验结果表明，与无监督函数型聚类方法相比较，提出的非负半监督函数型聚类方法SSFCN有助于提高聚类性能。 |
| 关键词 | 函数型数据 聚类分析 半监督学习 约束非负矩阵分解 |
| URL | 查看原文 |
| 收录类别 | CSCD ; 北大核心 |
| ISSN | 1673-9418 |
| 语种 | 中文 |
| 原始文献类型 | 学术期刊 |
| 中图分类号 | TP311.13 |
| 来源期刊等级 | C1类 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.lzufe.edu.cn/handle/39EH0E1M/29865 |
| 专题 | 教务处 统计与数据科学学院 |
| 作者单位 | 兰州财经大学统计学院 |
| 第一作者单位 | 统计与数据科学学院 |
| 推荐引用方式 GB/T 7714 | 姚晓红,黄恒君. 非负半监督函数型聚类方法[J]. 计算机科学与探索,2021,15(12):1-12. |
| APA | 姚晓红,&黄恒君.(2021).非负半监督函数型聚类方法.计算机科学与探索,15(12),1-12. |
| MLA | 姚晓红,et al."非负半监督函数型聚类方法".计算机科学与探索 15.12(2021):1-12. |
| 条目包含的文件 | 条目无相关文件。 | |||||
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [姚晓红]的文章 |
| [黄恒君]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [姚晓红]的文章 |
| [黄恒君]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [姚晓红]的文章 |
| [黄恒君]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论