是-研究论文

【文件属性】：
文件名称：是-研究论文
文件大小：613KB
文件格式：PDF
更新时间：2021-06-10 11:25:10
Subspace clustering High 所提出的基于增量软子空间的半监督集成聚类 (IS4EC) 框架检测数据集中的聚类，并通过减少内部聚类距离和增加外部聚类距离来增加聚类结果，从而提高聚类质量。 IS4EC 框架用于对低维空间的数据点进行聚类。 主要目的是为了在数据点的无限多个潜在表示与其他点之间，稀疏说明涉及从同一子空间中选择几个点。 增量集成成员选择步骤是朝着明智地消除冗余集成成员的方向发展的，这取决于引入的局部聚类函数和全局聚类函数，并且使用归一化的切割函数作为共识函数，为给定新建立的、强大的和精确的结果。 结果与最近在 UCI 数据集上的几种半监督聚类集成方法进行了比较。