资料下载
×
密度峰值聚类算法实现LGG的半监督学习
消耗积分:0 |
格式:pdf |
大小:2.34 MB |
2021-03-11
分享资料个
基于图的局部与全局一致性（LGC）半监督学习方法具有较高的标注正确率，但时间复杂度较高，难以适用于数据规模较大的实际应用场景。从缩小图的规模人手，提出一种全局一致性优化方法。使用改进后的密度峰值聚类算法，迭代地从数据集中筛选出多个中心点，以每个中心点为簇中心进行局部聚类，并以中心点为顶点构建图，实现基于LGC的半监督学习。实验结果表明，优化后的LGC方法在D31、 Aggregation等数据集上具有较好的鲁棒性，在标注正确率和算法执行时间上优势明显。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
