半监督聚类中怎么做到结果满足人为设定的？

沙丁鱼鱼鱼 2018-01-30 10:17:56

聚类问题中，比如对图像的像素聚类，我先人为的划定了某几种颜色不能聚类成为一种颜色，最后怎么做到保证聚类结果能够满足我的人为划定呢？

...全文

759 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

网络流量分类技术对网络安全管理起着非常重要的作用。随着网络和信息技术的发展，传统的基于端口号和深度包检测分类方法的局限性愈发明显，不能对现有的流量进行准确分类。提出一种基于流相关性的半监督网络流量分类算法，并使用MDL-CON高斯混合模型作为聚类模型，通过聚类过程中利用流之间的相关性提高模型的准确度。采用MDL准则解决了高斯混合模型需要人为预先设定类簇数目和高度依赖于初始值的问题。实验结果表明，利用该方法来处理流量分类问题可取得理想的分类效果。

在人工智能领域，主要有有监督学习，非监督学习，半监督学习，强化学习四大学习算法，这些算法之间的区别，本博客不进行阐述，感兴趣的可以百度一下相关的概念。目前，业界主要趋向于研究监督学习和非监督学习算法的开发。今天，我想主要介绍一下非监督的三大机器学习算法KMeans,层次聚类，DBSCAN，并配上相应实现代码。聚类算法中最用的概念为簇，什么是簇。什么是簇？ Clustering(簇):是将...

本课程主要讲解介绍无监督学习、聚类算法、常见聚类算法的应用和优化、tensorflow的基本处理流程。通过课程学习可以了解机器学习中的无监督学习 2.可以学习到Python下TensorFlow处理问题的流程 3.选择无监督的聚类算法来处理问题。

谱聚类算法建立在谱图理论基础上，与传统的聚类算法相比，它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量，然后选择合适的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉、VLS I 设计等领域，最近才开始用于机器学习中，并迅速成为国际上机器学习领域的研究热点。谱聚类算法建立在图论中的谱图理论基础上，其本质是将聚类问题转化为图的最优划分问题，是一种点对聚类算法，对数据聚类具有很..

K-means 聚类算法属于无监督学习，即数据没有“标准答案”。业界也逐渐开始探索将有监督学习和无监督学习结合在一起，首先通过聚类等无监督学习的算法处理数据，通过各种假设和结合聚类结果来给数据打标签然后再把这些数据输送给有监督学习来进行建模训练，使得未经人工标注的数据，也能起到提高有监督学习模型预测准确度的效果。这种集两家之长的方法称为半监督学习是当前机器学习研究的热点之一。 K-means 算法的重点概念：聚类问题簇（cluster）质心多数表决簇（cluster）在聚类问题中，“簇”(

999

社区成员

1,393

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章