论文部分内容阅读
针对混合属性空间中具有同一（或相近）分布特性的带类别标记的小样本集和无类别标记的大样本数据集，提出了一种基于MST的自适应优化相异性度量的半监督聚类方法。该方法首先采用决策树方法来获取小样本集的“规则聚类区域”，然后根据“同一聚类的数据点更为接近”的原则自适应优化建构在该混合属性空间中的相异性度量，最后将优化后的相异性度量应用于基于MST的聚类算法中，以获得更为有效的聚类结果。仿真实验结果表明，该方法对有些数据集是有改进效果的。为进一步推广并在实际中发掘出该方法的应用价值，本文在最后给出了一个较有价值的研