提出一种半监督聚类算法,该算法在用seeds集初始化聚类中心前,利用半监督分类方法Tri-training的迭代训练过程对无标记数据进行标记,并加入seeds集以扩大规模;同时,在Tri-training训练过程中结合基于最近邻规则的Depuration数据剪辑技术对seeds集扩大过程中产生的误标记噪声数据进行修正、净化,以提高seeds集质量.实验结果表明,所提出的基于Tri-training和数据剪辑的DE-Tri-training半监督聚类新算法能够有效改善seeds集对聚类中心的初始化效果,提高聚类性能.

半监督聚类的匿名数据发布.pdf

一种基于约束的半监督聚类查询扩展方法.pdf

半监督聚类算法在舰载雷达信号中的应用.pdf

一种基于AP算法的半监督聚类方法.pdf

一种基于学习向量量化(LVQ)和kmeans的半监督聚类算法，该方法能在少量标注数据上实现对未知数据的标注和分类。代码包含测试数据集Iris，代码直接运行main函数即可。