摘 要
传统上，聚类被视为数据分析的无监督方法。但是，在某些情况下，除了数据
实例本身之外，还有关于问题域的信息。在本文中，我们将演示如何利用流行的 k
均值聚类算法来利用这些信息进行有利的修改。 在对六个数据集进行人为约束的实
验中，我们可以观察到聚类精度的提高。我们也将这种方法应用于从 GPS 数据中自
动检测道路车道的现实问题，并观察到聚类性能的激增。
1. 导语
聚类算法通常以无监督的方式使用。它们呈现出一组必须按照相似性概念归类
的数据。算法只能访问这些特征描述对象；它没有提供任何关于每个实例应该放置
在分区内的信息（例如标签）。但是，在实际应用领域中，实验者往往拥有一些可
以用来聚合数据的背景知识（关于域或数据集）。即使存在传统的聚类算法，也可
以利用这些信息的优势。因此，我们有兴趣将背景信息整合到聚类算法中。我们之
前曾使用经过修改的 COBWEB 版本（Fisher，1987）成功地使用了关于实例对的背
景信息来约束它们的聚类（Wagsta ff ＆Cardie，2000）。 K-means 是另一种流行的聚
类算法，已经用于各种应用领域，如图像分割（Marroquin ＆Girosi，1993）和信息
检索（Bellot ＆El-Beze，1999）。由于其广泛的使用，我们认为开发一个可以利用
PcSword
- 粉丝: 1
- 资源: 2
我的内容管理
收起
- 我的资源
快来上传第一个资源
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助
会员权益专享
最新资源
- Xilinx SRIO详解.pptx
- Informatica PowerCenter 10.2 for Centos7.6安装配置说明.pdf
- 现代无线系统射频电路实用设计卷II 英文版.pdf
- 电子产品可靠性设计 自己讲课用的PPT，包括设计方案的可靠性选择，元器件的选择与使用，降额设计，热设计，余度设计，参数优化设计 和 失效分析等
- MPC5744P-DEV-KIT-REVE-QSG.pdf
- 通信原理课程设计报告（ASK FSK PSK Matlab仿真--数字调制技术的仿真实现及性能研究）
- ORIGIN7.0使用说明
- 在VMware Player 3.1.3下安装Redhat Linux详尽步骤
- python学生信息管理系统实现代码
- 西门子MES手册 13 OpcenterEXCR_PortalStudio1_81RB1.pdf
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
评论0