论文研究半监督的改进.pdf

K-均值聚类算法必须事先获取聚类数目，并且随机地选取聚类初始中心会造成聚类结果不稳定，容易在获得一个局部最优值时终止。提出了一种基于半监督学习理论的改进K-均值聚类算法，利用少量标签数据建立图的最小生成树并迭代分裂获取K-均值聚类算法所需要的聚类数和初始聚类中心。在IRIS数据集上的实验表明，尽管随机样本构造的生成树不同，聚类中心也不同，但聚类是一致且稳定的，迭代的次数较少，验证了该文算法的有效性。