Semi-supervised Affinity Propagation clustering

资 源 简 介

Semi-supervised Affinity Propagation clustering

详 情 说 明

Semi-supervised Affinity Propagation（半监督Affinity Propagation）是一种改进的聚类算法，结合了无监督学习和监督学习的优势。Affinity Propagation（AP）原本是一种无监督聚类方法，通过数据点之间的相似度传递信息来自动确定聚类中心和类别数目。而半监督版本的AP则引入部分先验知识来引导聚类过程。

半监督AP的核心思想是通过两种方式利用监督信息：约束条件和相似度调整。约束条件可以指定某些数据点必须属于同一类（must-link）或不同类（cannot-link）。相似度调整则是根据已知的标签信息修改数据点之间的相似度矩阵，使得同类样本的相似度更高，不同类样本的相似度更低。

这种算法特别适合处理部分标注的数据集，比如在图像分割、文本分类等领域，当只有少量样本有标签时，半监督AP可以利用这些有限的监督信息显著提高聚类效果。相比传统AP算法，半监督版本通常能获得更稳定的聚类结果和更合理的类别划分。