该博客介绍了如何整合K-means聚类与局部和全局一致性算法，用于半监督的网页分类。通过计算标记样本的均值获取初始中心点，然后利用欧式和测地距离对数据进行预分类。接着，应用相似性度量更新中心点，标记部分样本，并最终使用基于局部和全局一致性的算法标记剩余未分类样本。经过10折交叉验证，展示F1-measure指标和分类结果。
1.问题描述：
首先“K均值算法”和“基于局部和全局一致性算法”的整合，并不是两个算法的简单拼凑，这里，实际上结合了“K均值算法”和“基于局部和全局一致性算法”两者算法的思想。根据你提供的算法思想，算法的基本步骤是：
-----------------------------------------------------------------------------------------------------
输入：数据集（其中训练样本和测试样本分别占一定的比例）和图像其中有少量样本已被标记类别，而且每一类至少标记一个训练样本。
-----------------------------------------------------------------------------------------------------
Step1
订阅专栏 解锁全文
扫一扫
827
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
