文档介绍：分类号：O213 密级：公开
专业学位研究生学位论文
论文题目(中文) 基于最小类间距的半监督聚类算法研究
论文题目(外文) Semi-supervised clustering algorithm based on
Single linkage clustering
研究生姓名丁志婕
学位类别应用统计
专业学位领域
学位级别硕士
校内导师姓名、职称赵学靖副教授
校外导师单位、姓名
论文工作
起止年月 2016 年 3 月至 2017 年 3 月
论文提交日期 2017 年 3 月
论文答辩日期 2017 年 5 月
学位授予日期
校址：甘肃省兰州市
原创性声明
本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取
得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已
明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发
表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文
中以明确方式标明。
本声明的法律责任由本人承担。
论文作者签名：日期：
基于最小类间距的半监督聚类算法研究
摘要
半监督学****方法在数据挖掘研究领域内具有举足轻重的地位，这类方法能够在
仅获取少量有效的有监督数据信息或观测数据类标签信息的基础上，更有效且具有
目的性的对数据进行分析和挖掘。但目前对于半监督学****方法中研究比较成熟、应
用较为广泛的多以半监督回归方法和半监督分类方法为主，半监督聚类方法相较而
言研究的深度和广度都不够成熟。
K-meansGuider方法是2010年李杉提出的一种结合了分类方法和K-means算法
思想的基于分类的半监督聚类算法，其主要思想是在基于K-means方法聚类中心的
搜索思想，利用半监督学****方法改进了聚类过程中有关类中心选取的过程，该方
法将数据集中少部分含有类标签的数据作为有监督数据信息，并根据这些数据构
造一个初始的粗分类器，将原始数据粗略分类，之后利用K-means聚类方法的思想
进一步对初始粗分类结果进行分析、集成，相较于K-means的聚类结果的精确程度
有了很大的改善，但其结果高度依赖算法初始设定的粗分类器，且算法时间效率
不高。本文在K-meansGuider方法的基础上进行改进，结合层次聚类方法中最小类
间距（Single Linkage）的思想及2014年Rodriguez和Laio提出的快速搜索聚类方法
（FSC）中类簇合并的思想，提出了一种基于最小类间距（Single Linkage）的半监督
聚类算法，该算法利用数据集中少量的有监督数据信息，将该部分数据划分为带有
类标签的初始类，再根据最小类间距（Single Linkage）的思想将其余无监督的数据
点聚入各个初始类中，其中设立阈值以避免初始类中的有监督数据信息不完整从而
影响聚类效果的问题。本文以UCI数据库中的5组真实数据对提出的方法加以实现，
并与传统K-means及K-meansGuider方法做对比，实验结果表明，本文改进的方法
对于提高聚类效果有较为明显的效果。
关键词：半监督学****聚类；Single Linkage；K-均值聚类.