[发明专利]修正聚类假设联合成对约束半监督分类方法

摘要

本发明公开了一种修正聚类假设联合成对约束半监督分类方法，它涉及一种半监督学习算法。它的步骤为：通过FCM方法初始化未标记样本的类隶属度，选择适当的参数λ1，λ2，并根据公式计算初始化的α、隶属度函数v(x)、新目标函数M，判断是否达到迭代终止条件，若是，则返回隶属度函数v(x)，并根据α得到分类决策函数f(x)，若否，则重新计算初始化的α、隶属度函数v(x)、新目标函数M并判断。本发明将修正聚类假设对未标记的探索以及成对约束对监督信息的利用结合，共同组成更加完善的经验风险项，从而进一步挖掘监督信息所包含的知识，达到算法性能提高的目的，拥有更高的有效性与正确性。

主权项

1.修正聚类假设联合成对约束半监督分类方法，其特征在于，其步骤为：输入：l个有标记样本u个未标记样本迭代终止阈值ε，最大迭代次数Maxiter；输出：分类决策函数f(x)和隶属度函数v(x)；(1)通过FCM方法初始化未标记样本的类隶属度，选择适当的参数λ1，λ2，并根据公式计算初始化的α，以及M；(2)通过式 α = ( λ 1 YK l T + λ 2 Σ k = 1 C L k V ^ k K u T ) × ( λ 1 ( K l K l T + K Z K ) + λ 2 Σ k = 1 C K u V ^ k K u T + K ) - 1 ]]>更新α；(3)根据式 v k ( x ) = 1 / ( λ 2 | | f ( x ) - r k | | 2 ) Σ k = 1 C 1 / ( λ 2 | | f ( x ) - r k | | 2 ) ]]>更新隶属度函数v(x)；(4)根据式 min α M 1 = t r ( αKα T ) + λ 1 t r ( ( αK l - Y ) ( αK l - Y ) T ) + t r ( aKZKa T ) ) + λ 2 Σ k = 1 C t r ( ( αK u - L k ) V ^ k ( αK u - L k ) T ) ]]>更新目标函数M；(5)判断是否达到迭代终止条件，若是，则执行步骤(6)，否返回到步骤(2)；(6)返回隶属度函数v(x)，并根据α得到分类决策函数f(x)。