基于支持向量机的无监督聚类算法研究

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (26): 156-158.

基于支持向量机的无监督聚类算法研究

朱程辉^1,2,孙东卫²,丰义²,吴德会³

1.合肥工业大学电气与自动化工程学院,合肥 230019
2.新疆轻工职业技术学院,乌鲁木齐 830021
3.九江学院电子工程系,九江 332005

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-11 发布日期:2007-09-11
通讯作者: 朱程辉

Study on algorithm of non-monitor clustering based on support vector machines

ZHU Cheng-hui^1,2,SUN Dong-wei²,FENG Yi²,WU De-hui³

1.School of Electrical and Automation Engineering,Hefei University of Technology,Hefei 230019,China
2.Xinjiang Light Industrial of Professional Technology College,Urumchi 830021,China
3.Institute of Electron Engineering,Jiujiang University,Jiujiang,Jiangxi 332005,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-11 Published:2007-09-11
Contact: ZHU Cheng-hui

摘要/Abstract

摘要： 分析了支持向量机在解决无监督分类问题上的不足,提出一种基于支持向量机思想的最大间距的聚类新方法。实验结果表明,该算法能成功地解决很多非监督分类问题。

关键词: 支持向量机, 结构风险, 无监督学习, 聚类

Abstract: This paper analyzes the ability of Support Vector Machinex（SVM） in dealing with the unsupervised learning problem,and proposes a new method of clustering with maximal margin based on the idea of SVM.In the experiment aspects,the results shows that this algorithm can deal with the unsupervised learning problem successfully.

Key words: Support Vector Machine（SVM）, structure risk, unsupervised learning, clustering

朱程辉^1,2,孙东卫²,丰义²,吴德会³. 基于支持向量机的无监督聚类算法研究[J]. 计算机工程与应用, 2007, 43(26): 156-158.

ZHU Cheng-hui^1,2,SUN Dong-wei²,FENG Yi²,WU De-hui³. Study on algorithm of non-monitor clustering based on support vector machines[J]. Computer Engineering and Applications, 2007, 43(26): 156-158.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[3]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[4]	李莉，纪欣沅，宋嵩. 回环软件缺陷数量预测模型[J]. 计算机工程与应用, 2021, 57(7): 158-163.
[5]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[6]	霍光煜，张勇，孙艳丰，尹宝才. 基于语义的档案数据智能分类方法研究[J]. 计算机工程与应用, 2021, 57(6): 247-253.
[7]	杨芳，尹曦，司建辉，刘宏媛，汪雪. 基于侧重点聚类的数学表达式相似度计算方法[J]. 计算机工程与应用, 2021, 57(6): 88-93.
[8]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[9]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[10]	彭启慧，宣士斌，高卿. 分布的自动阈值密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(5): 71-78.
[11]	李勇振，廖湖声. 基于图卷积神经网络的多视角聚类[J]. 计算机工程与应用, 2021, 57(5): 115-122.
[12]	王昌龙，张远东，缪宏，杨煜恒. 双通道卷积神经网络在南瓜病害识别上的应用[J]. 计算机工程与应用, 2021, 57(5): 183-189.
[13]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[14]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.
[15]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.