基于近鄰傳播的遷移聚類算法

　　在目標(biāo)域可利用數(shù)據(jù)匱乏的場(chǎng)景下，傳統(tǒng)聚類算法的性能往往會(huì)下降，在該場(chǎng)景下，通過抽取源域中的有用知識(shí)用于指導(dǎo)目標(biāo)域?qū)W習(xí)以得到更為合適的類別信息和聚類性能，是一種有效的學(xué)習(xí)策略．借此提出一種基于近鄰傳播的遷移聚類（transfer affinity propagation，簡(jiǎn)稱TAP）算法，在源域和目標(biāo)域數(shù)據(jù)分布相似的情況下，通過引入遷移學(xué)習(xí)機(jī)制來改善近鄰傳播聚類（affinity propagation，簡(jiǎn)稱AP）算法在數(shù)據(jù)匱乏場(chǎng)景下的聚類性能，為保證遷移的有效性，TAP在綜合考慮源域和目標(biāo)域的統(tǒng)計(jì)特性及幾何特征的基礎(chǔ)上改進(jìn)AP算法中的消息傳遞機(jī)制使其具備遷移能力，從而達(dá)到輔助目標(biāo)域?qū)W習(xí)的目的．此外，通過TAP對(duì)應(yīng)的因子圖，亦可說明TAP可以以類似AP的消息傳遞機(jī)制，在目標(biāo)域數(shù)據(jù)匱乏的情況下進(jìn)行高效的知識(shí)遷移，為最終所獲得的聚類結(jié)果提供了保證．在模擬數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上的仿真實(shí)驗(yàn)結(jié)果顯示，所提出的算法較之經(jīng)典AP算法在處理非充分?jǐn)?shù)據(jù)聚類任務(wù)時(shí)具有更佳的性能．