半监督聚类在学生寝室分配问题中的应用和基于贝叶斯统计改进的研究

发布时间：2020-04-09 18:12

【摘要】：半监督聚类分析是目前数据挖掘和机器学习领域中一个新的研究方向。一般,聚类方法针对的是无标签的数据,且无法利用先验知识或满足限制条件。然而,在许多聚类问题,问题本身往往带有约束条件且具有可利用的先验知识。比如学生寝室分配问题,寝室分配时必须符合最大容纳成员的数量限制。对于数据方面,也可以利用先验知识获得部分标签。此时,传统的聚类和分类方法都不能符合这类问题的要求。本文基于每个簇类的对象数量的限制条件,提出了适合寝室分配问题的K-均值半监督聚类算法,并通过matlab编程实现。然后,本文对聚类结果的稳定性和收敛性进行了分析,得出了各聚类方法准确率的期望和数据先验统计模型的关系。最后,基于贝叶斯统计分析理论,运用统计方法或经验引入了分布函数的先验知识。根据先验概率分布模型确定半监督算法中对应的后验分类流程。在三维高斯分布数据集的测试中,基于贝叶斯统计的k-means半监督聚类准确率为93.67%高于k-means方法的91.67%的准确率。
【图文】：

图３．１二维高斯分布坐标图逡逑Ｆｉｇ．邋３．１邋ｔｗｏ－ｄｉｍｅｎｓｉｏｎａｌ邋Ｇａｕｓｓｉｏｎ邋ｄｉｓｔｒｉｂｕｔｉｏｎ逡逑目的：在非整数高斯分布数据的情况下，通过和数据］比较运行约束和ｋ－ｍｅａｎｓ迭代中心的聚类算法的稳定性。逡逑

念二维高斯分布边缘密度函数图
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：C81

【参考文献】

相关期刊论文 前10条

1 吴香华;牛生杰;吴诚鸥;秦伟良;;马氏距离聚类分析中协方差矩阵估算的改进[J];数理统计与管理;2011年02期

2 卢爱新;;论高校寝室心理场的建构[J];学校党建与思想教育;2010年19期

3 赵爱萍;丁桂红;;影响大学生学习潜力释放的寝室心理环境调查[J];包头职业技术学院学报;2010年01期

4 肖蓓;刘岚;;基于紧致性C均值法在初始类划分中的应用[J];武汉理工大学学报(信息与管理工程版);2008年02期

5 经素;;大学生宿舍中的人际冲突现状研究[J];青年探索;2007年06期

6 刘韬;蔡淑琴;曹丰文;崔志磊;;基于距离浓度的K-均值聚类算法[J];华中科技大学学报(自然科学版);2007年10期

7 袁方;周志勇;宋鑫;;初始聚类中心优化的k-means算法[J];计算机工程;2007年03期

8 刘宝生;闫莉萍;周东华;;几种经典相似性度量的比较研究[J];计算机应用研究;2006年11期

9 王荣;大学生宿舍人际关系新探[J];烟台教育学院学报;2005年03期

10 李飞;薛彬;黄亚楼;;初始中心优化的K-Means聚类算法[J];计算机科学;2002年07期

相关硕士学位论文 前2条

1 郭艳蕊;当代大学生寝室文化内容与影响因素的研究[D];安徽大学;2014年

2 马丽萍;大学生宿舍人际关系调查及干预研究[D];山西大学;2007年

，

本文编号：2621093