融合成对约束与单调性约束两类背景知识的半监督聚类
机器学习
2023-03-01 v1 人工智能
摘要
本研究解决在两类背景知识——成对约束与单调性约束——存在下进行聚类的问题。为此，首先定义了在单调性约束下执行聚类的正式框架，从而得到一种特定的距离度量。随后通过设计一个结合所提距离度量和基于成对约束的惩罚项的目标函数，将成对约束集成进来，以融合两类信息。该目标函数可用EM优化方案进行优化。所提方法是针对其所解决问题上的首个方法，因为它是首个被设计用于上述两类背景知识的方法。我们的方案在多个基准数据集和一个真实案例研究中进行了测试。
引用
@article{arxiv.2302.14060,
title = {Semi-supervised Clustering with Two Types of Background Knowledge: Fusing Pairwise Constraints and Monotonicity Constraints},
author = {Germán González-Almagro and Juan Luis Suárez and Pablo Sánchez-Bermejo and José-Ramón Cano and Salvador García},
journal= {arXiv preprint arXiv:2302.14060},
year = {2023}
}