《表3 带约束的K-means聚类算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种半监督学习的代码自动生成性能评估方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了确定性能数据的类别，本文通过一组正负关联约束结合K-means的聚类原则对性能数据进行半监督聚类．首先将性能数据初始化为D，定义一对正关联约束（Con=）和负关联约束（Con≠），根据K-means的聚类原则，首先随机初始化类别中心C，针对D中的性能数据di在满足约束关系的前提下将其就近分配到Cj．以di到Cj的平均距离对Cj进行更新，并对D中的性能数据di在不违反约束关系的前提下就近分配类别，直到Cj不再发生变化，通过评估聚类效果来确定最佳k值．带约束的K-means聚类算法如表3所示．