计算机应用研究

作者：张贤坤,刘渊博,任静,张高祯,

单位：天津科技大学计算机科学与信息工程学院,天津300457；

关键词：主动学习,纠错式半监督社区发现,K-means算法,成对约束,

基金：国家自然科学基金资助项目(61702367)；天津市教委科研计划资助项目(2017KJ033)；；

经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分，但是由于网络结构较为复杂，划分的准确度并不高。为此，提出一种基于主动学习的纠错式半监督社区发现算法ESCD（error correction semi-supervised community detection algorithm），将传统的K-means算法进行分步计算，并且在聚类的过程中加入成对约束。根据先验信息保留正确的划分，纠正错误的划分来改变网络的连接关系，使网络具有更明显的块结构，当节点与聚类中心的距离不再变化时划分结束。实验结果表明，与现有的社区发现算法相比，ESCD算法具有更高的精度，且所需的监督信息远远小于其他半监督算法。

来源：2019年第9期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第9期