14、模糊半监督聚类与无人机无卫星导航返航技术解析

模糊半监督聚类与无人机无卫星导航返航技术解析

1. 模糊半监督聚类中的主动约束选择

1.1 聚类优化与合并

在半监督聚类过程中，有一个重要操作是降低非信息性聚类的基数。当聚类基数低于阈值时，这些非信息性聚类会被排除在考虑范围之外。而聚类合并是半监督聚类过程的关键步骤，它在优化程序的每次迭代中执行，不仅能排除小聚类，还能排除不同大小的非信息性聚类。

1.2 主动约束选择算法

以往随机选择可用约束能显著提升数据聚类性能，现在提出使用主动约束选择算法，该算法能将约束搜索导向最不确定（过渡）的聚类区域。具体操作步骤如下：
1. 构建 k - 最近邻图（k - NNG） ：利用每个数据点的 k 个最近邻信息构建 k - NNG 图。图中两点 (x_i) 和 (x_j) 之间边的权重 (w(x_i, x_j)) 定义为它们共同最近邻的数量，公式为 (w(x_i, x_j) = |||NN(x_i) ∩ NN(x_j)|||)，其中 (NN(x)) 是点 (x) 的 k 个最近邻。
2. 计算约束分离聚类的能力 ：通过效用度量 (ASC(x_i, x_j)) 来评估约束分离聚类的能力，公式如下：
[ASC(x_i, x_j) = \frac{k - w(x_i, x_j) + 1}{1 + \min{LDS(x_i), LDS(x_j)}} \times \frac{1}{k + 1}]
其中 (LDS(x) = \frac{\sum_{q \in NN(x)} w(x, q)}{k}) 是点 (x) 的局部密度。(ASC) 值越高，约束越具信息性，越