王红军 副研究员

硕士生导师

个人信息Personal Information


学历:博士研究生毕业

学位:工学博士学位

办公地点:犀浦3号教学楼31529

毕业院校:四川大学

学科:电子信息. 软件工程. 计算机应用技术

所在单位:计算机与人工智能学院

报考该导师研究生的方式

欢迎你报考王红军老师的研究生,报考有以下方式:

1、参加西南交通大学暑期夏令营活动,提交导师意向时,选择王红军老师,你的所有申请信息将发送给王红军老师,老师看到后将和你取得联系,点击此处参加夏令营活动

2、如果你能获得所在学校的推免生资格,欢迎通过推免方式申请王红军老师研究生,可以通过系统的推免生预报名系统提交申请,并选择意向导师为王红军老师,老师看到信息后将和你取得联系,点击此处推免生预报名

3、参加全国硕士研究生统一招生考试报考王红军老师招收的专业和方向,进入复试后提交导师意向时选择王红军老师。

4、如果你有兴趣攻读王红军老师博士研究生,可以通过申请考核或者统一招考等方式报考该导师博士研究生。

点击关闭

论文成果

当前位置: 中文主页 >> 科学研究 >> 论文成果

基于贝叶斯网络的半监督聚类集成模型

影响因子:3.993

DOI码:10.3724/SP.J.1001.2010.03683

所属单位:西南交通大学

发表刊物:软件学报

关键字:半监督聚类集成;变分推理;必连;不连

摘要:已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性,鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of California,Irvine)机器学习库中选取部分数据来做实验.实验结果表明,SCE模型本身及其变分推理后所设计的EM算法都能进行半监督聚类集成,总的来说,效果比NMFS(algorithm of nonnegative-matrix-factorization based semi-supervised),半监督SVM(support vector machine),LVCE(latentvariable model for cluster ensemble)等算法要好.该半监督聚类集成模型聚集了半监督学习和聚类集成两者的优点,最后的聚类结果比单纯的半监督聚类或聚类集成的效果都要好.

合写作者:李志蜀,戚建淮,成镲,周鹏,周维

第一作者:王红军

论文类型:学术论文

论文编号:4075614

学科门类:工学

一级学科:计算机科学与技术

卷号:21

期号:11

页面范围:2814-2825

ISSN号:1000-9825

是否译文:

CN号:11-2560/TP

发表时间:2010-11-15