第1期 陈爱国，等：基于极大嫡的知识迁移模糊聚类算法 ·103. 的数据集上的实验结果，可以得出本文所提 International Conference on Management of Data MEKTFCA算法较6种相关算法在聚类性能上有明 Philadelphia,Pennsylvania,USA,1999:49-60. 显的优越性。本文的创新点主要是，在MECA算法 [12]ARIAS-CASTRO E,CHEN Guangliang,LERMAN G. Spectral Clustering based on local linear approximations 的基础了提出了一个新的知识迁移方法，该方法能 [J].Electronic journal of statistics,2011,5:1537 有效解决实际生活中数据短缺和有噪声数据场景 -1587. 下的聚类性能问题。此外，本文所提的MEKTFCA [13]PAN S J,YANG Qiang.A survey on transfer learning[J]. IEEE transactions on knowledge and data engineering, 算法也存在着局限性，如在不同应用场景下两个平衡 2010,22(10):1345-1359. 参数如何进行有效确定的问题。这也是我们对该算法 [14]GU Quanquan,ZHOU Jie.Learning the shared subspace 进行进一步研究的方向。 for multi-task clustering and transductive transfer classification [C ]//Proceedings of Ninth IEEE 参考文献： International Conference on Data Mining.Miami,FL, USA,2009:159-168. [1]CARIOU C,CHEHDI K.Unsupervised nearest neighbors [15 DAI Wenyuan,YANG Qiang,XUE Guirong,et al. clustering with application to hyperspectral images[J]. Self-taught clustering C ]//Proceedings of the 25th IEEE journal of selected topics in signal processing,2015, International Conference on Machine Leaming.New 9(6):1105-1116. York,NY.USA,2008:200-207. [ALI A,BOYACI A,BAYNAL K.Data mining application [16]GU Quanquan,ZHOU Jie.Co-clustering on manifolds in banking sector with clustering and classification methods [C ]//Proceedings of the 15th ACM SIGKDD [C]//Proceedings of 2015 International Conference on International Conference on Knowledge Discovery and Industrial Engineering and Operations Management.Dubai, Data Mining.New York,USA,2009:359-368. 0AE,2015:1-8. [17]JIANG Wenhao,CHUNG F L.Transfer spectral clustering [3]LI Shuai,ZHOU Xiaofeng,SHI Haibo,et al.An efficient [M]//FLACH P A,BIE T D,CRISTIANINI N.Machine clustering method for medical data applications [C] Learning and Knowledge Discovery in Databases.Berlin Proceedings of 2015 IEEE International Conference on Cyber Heidelberg:Springer,2012:789-803. Technology in Automation,Control,and Intelligent System. [18]JING Liping,NG K M,HUANG JZ.An entropy weighting Shenyang,China,2015:133-138. k-means algorithm for subspace clustering of high- [4]LIKAS A,VLASSIS N,VERBEEK JJ.The global k-means dimensional sparse data [J].IEEE transactions on clustering algorithm[J].Pattern recognition,2003,36(2): knowledge and data engineering,2007,19 (8): 451-461 1026-1041. [5]BEZDEK J C.Pattern recognition with fuzzy objective [19]LIU Jun,MOHAMMED J,CARTER J,et al.Distance- function algorithms M ]New York:Springer,1981: based clustering of CGH data[J].Bioinformatics,2006, 43-93. 22(16):1971-1978. [6]KARAYIANNIS N B.MECA:maximum entropy clustering [20]DAI Wenyuan,XUE Guirong,YANG Qiang,et al.Co- algorithm[C]//Proceedings of the 3rd IEEE International clustering based classification for out-of-domain documents Conference on Fuzzy Systems.Orlando,USA,1994,1: [C]//Proceedings of the 13th ACM SIGKDD International 630-635 Conference on Knowledge Discovery and Data Mining.New [7 LI Ruiping,MUKAIDONO M.A maximum-entropy York,NY,USA,2007:210-219. approach to fuzzy clustering[C]//Proceedings of 1995 the [21]MCCALLUM A K.Bow:a toolkit for statistical language 4th IEEE International Conference on Fuzzy System. modeling,text retrieval,classification and clustering[EB/ Yokohama,Japan,1995,4:2227-2232. OL].1996.http://www.cs.cmu.edu/mccallum/bow [8]ZHANG Tian,RAMAKRISHNAN R,LIVNY M.BIRCH: [22]BAY S D,KIBLER D,PAZZANI M J,et al.The UCI an efficient data clustering method for very large databases [C]//Proceedings of the 1996 ACM SIGMOD International KDD archive of large data sets for data mining research and experimentation [J].ACM SIGKDD explorations Conference on Management of Data.New York,NY,USA, newsletter,2000.2(2):81-85. 1996:103-114. 作者简介： [9]GUHA S,RASTOGI R,SHIM K.CURE:an efficient 陈爱国，男，1975年生，博士研究 clustering algorithm for large databases[C]//Proceedings 生，主要研究方向为模式识别与机器 of the 1998 ACM SIGMOD International Conference on 学习。 Management of Data.New York,NY,USA,1998:73-84. [10]ESTER M,KRIEGEL H P,SANDER J,et al.A density-based algorithm for discovering clusters in large spatial databases with noise [C]//Proceeding of the Second International Conference on Knowledge Discovery 王士同，男.1964年生.教授.博士 and Data Mining.Portland,Oregon,USA,1996:226 生导师，中国离散数学学会常务理事 -231. 中国机器学习学会常务理事，主要研究 [11]ANKERST M,BREUNIG MM,KRIEGEL H P,et al. 方向为人工智能、模式识别和生物信 OPTICS:ordering Points to Identify the Clustering 息。发表学术论文近百篇，其中被SC Structure [C]//Proceedings of the 1999 ACM SIGMOD EI检索50余篇。的数 据 集 上 的 实 验 结 果， 可 以 得 出 本 文 所 提 ＭＥＫＴＦＣＡ 算法较 ６ 种相关算法在聚类性能上有明 显的优越性。 本文的创新点主要是，在 ＭＥＣＡ 算法 的基础了提出了一个新的知识迁移方法，该方法能 有效解决实际生活中数据短缺和有噪声数据场景 下的聚类性能问题。 此外，本文所提的 ＭＥＫＴＦＣＡ 算法也存在着局限性，如在不同应用场景下两个平衡 参数如何进行有效确定的问题。 这也是我们对该算法 进行进一步研究的方向。 参考文献： ［１］ ＣＡＲＩＯＵ Ｃ， ＣＨＥＨＤＩ Ｋ． Ｕｎｓｕｐｅｒｖｉｓｅｄ ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒｓ ｃｌｕｓｔｅｒｉｎｇ ｗｉｔｈ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｉｍａｇｅｓ ［ Ｊ ］． ＩＥＥＥ ｊｏｕｒｎａｌ ｏｆ ｓｅｌｅｃｔｅｄ ｔｏｐｉｃｓ ｉｎ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ， ２０１５， ９（６）： １１０５－１１１６． ［２］ＡＬＩ Ａ， ＢＯＹＡＣＩ Ａ， ＢＡＹＮＡＬ Ｋ． Ｄａｔａ ｍｉｎｉｎｇ ａｐｐｌｉｃａｔｉｏｎ ｉｎ ｂａｎｋｉｎｇ ｓｅｃｔｏｒ ｗｉｔｈ ｃｌｕｓｔｅｒｉｎｇ ａｎｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄｓ ［Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ２０１５ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｏｐｅｒａｔｉｏｎｓ Ｍａｎａｇｅｍｅｎｔ． Ｄｕｂａｉ， ＵＡＥ， ２０１５： １－８． ［３］ＬＩ Ｓｈｕａｉ， ＺＨＯＵ Ｘｉａｏｆｅｎｇ， ＳＨＩ Ｈａｉｂｏ， ｅｔ ａｌ． Ａｎ ｅｆｆｉｃｉｅｎｔ ｃｌｕｓｔｅｒｉｎｇ ｍｅｔｈｏｄ ｆｏｒ ｍｅｄｉｃａｌ ｄａｔａ ａｐｐｌｉｃａｔｉｏｎｓ ［ Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ２０１５ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｙｂｅｒ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ａｕｔｏｍａｔｉｏｎ， Ｃｏｎｔｒｏｌ， ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍ． Ｓｈｅｎｙａｎｇ， Ｃｈｉｎａ， ２０１５： １３３－１３８． ［４］ＬＩＫＡＳ Ａ， ＶＬＡＳＳＩＳ Ｎ， ＶＥＲＢＥＥＫ Ｊ Ｊ． Ｔｈｅ ｇｌｏｂａｌ ｋ⁃ｍｅａｎｓ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ［Ｊ］． Ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ， ２００３， ３６（２）： ４５１－４６１． ［ ５ ］ ＢＥＺＤＥＫ Ｊ Ｃ． Ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｗｉｔｈ ｆｕｚｚｙ ｏｂｊｅｃｔｉｖｅ ｆｕｎｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ ［ Ｍ ］． Ｎｅｗ Ｙｏｒｋ： Ｓｐｒｉｎｇｅｒ， １９８１： ４３－９３． ［６］ ＫＡＲＡＹＩＡＮＮＩＳ Ｎ Ｂ． ＭＥＣＡ： ｍａｘｉｍｕｍ ｅｎｔｒｏｐｙ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ３ｒｄ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｆｕｚｚｙ Ｓｙｓｔｅｍｓ． Ｏｒｌａｎｄｏ， ＵＳＡ， １９９４， １： ６３０－６３５． ［ ７ ］ ＬＩ Ｒｕｉｐｉｎｇ， ＭＵＫＡＩＤＯＮＯ Ｍ． Ａ ｍａｘｉｍｕｍ⁃ｅｎｔｒｏｐｙ ａｐｐｒｏａｃｈ ｔｏ ｆｕｚｚｙ ｃｌｕｓｔｅｒｉｎｇ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ １９９５ ｔｈｅ ４ｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｆｕｚｚｙ Ｓｙｓｔｅｍ． Ｙｏｋｏｈａｍａ， Ｊａｐａｎ， １９９５， ４： ２２２７－２２３２． ［８］ ＺＨＡＮＧ Ｔｉａｎ， ＲＡＭＡＫＲＩＳＨＮＡＮ Ｒ， ＬＩＶＮＹ Ｍ． ＢＩＲＣＨ： ａｎ ｅｆｆｉｃｉｅｎｔ ｄａｔａ ｃｌｕｓｔｅｒｉｎｇ ｍｅｔｈｏｄ ｆｏｒ ｖｅｒｙ ｌａｒｇｅ ｄａｔａｂａｓｅｓ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １９９６ ＡＣＭ ＳＩＧＭＯＤ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｎａｇｅｍｅｎｔ ｏｆ Ｄａｔａ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， １９９６： １０３－１１４． ［９］ ＧＵＨＡ Ｓ， ＲＡＳＴＯＧＩ Ｒ， ＳＨＩＭ Ｋ． ＣＵＲＥ： ａｎ ｅｆｆｉｃｉｅｎｔ ｃｌｕｓｔｅｒｉｎｇ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｌａｒｇｅ ｄａｔａｂａｓｅｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １９９８ ＡＣＭ ＳＩＧＭＯＤ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｎａｇｅｍｅｎｔ ｏｆ Ｄａｔａ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， １９９８： ７３－８４． ［１０ ］ ＥＳＴＥＲ Ｍ， ＫＲＩＥＧＥＬ Ｈ Ｐ， ＳＡＮＤＥＲ Ｊ， ｅｔ ａｌ． Ａ ｄｅｎｓｉｔｙ⁃ｂａｓｅｄ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｄｉｓｃｏｖｅｒｉｎｇ ｃｌｕｓｔｅｒｓ ｉｎ ｌａｒｇｅ ｓｐａｔｉａｌ ｄａｔａｂａｓｅｓ ｗｉｔｈ ｎｏｉｓｅ ［ Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇ ｏｆ ｔｈｅ Ｓｅｃｏｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ． Ｐｏｒｔｌａｎｄ， Ｏｒｅｇｏｎ， ＵＳＡ， １９９６： ２２６ －２３１． ［１１］ ＡＮＫＥＲＳＴ Ｍ， ＢＲＥＵＮＩＧ Ｍ Ｍ， ＫＲＩＥＧＥＬ Ｈ Ｐ， ｅｔ ａｌ． ＯＰＴＩＣＳ： ｏｒｄｅｒｉｎｇ Ｐｏｉｎｔｓ ｔｏ Ｉｄｅｎｔｉｆｙ ｔｈｅ Ｃｌｕｓｔｅｒｉｎｇ Ｓｔｒｕｃｔｕｒｅ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １９９９ ＡＣＭ ＳＩＧＭＯＤ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｎａｇｅｍｅｎｔ ｏｆ Ｄａｔａ． Ｐｈｉｌａｄｅｌｐｈｉａ， Ｐｅｎｎｓｙｌｖａｎｉａ， ＵＳＡ， １９９９： ４９－６０． ［１２］ ＡＲＩＡＳ⁃ＣＡＳＴＲＯ Ｅ， ＣＨＥＮ Ｇｕａｎｇｌｉａｎｇ， ＬＥＲＭＡＮ Ｇ． Ｓｐｅｃｔｒａｌ Ｃｌｕｓｔｅｒｉｎｇ ｂａｓｅｄ ｏｎ ｌｏｃａｌ ｌｉｎｅａｒ ａｐｐｒｏｘｉｍａｔｉｏｎｓ ［ Ｊ ］． Ｅｌｅｃｔｒｏｎｉｃ ｊｏｕｒｎａｌ ｏｆ ｓｔａｔｉｓｔｉｃｓ， ２０１１， ５： １５３７ －１５８７． ［１３］ＰＡＮ Ｓ Ｊ， ＹＡＮＧ Ｑｉａｎｇ． Ａ ｓｕｒｖｅｙ ｏｎ ｔｒａｎｓｆｅｒ ｌｅａｒｎｉｎｇ［Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｋｎｏｗｌｅｄｇｅ ａｎｄ ｄａｔａ ｅｎｇｉｎｅｅｒｉｎｇ， ２０１０， ２２（１０）： １３４５－１３５９． ［１４］ＧＵ Ｑｕａｎｑｕａｎ， ＺＨＯＵ Ｊｉｅ． Ｌｅａｒｎｉｎｇ ｔｈｅ ｓｈａｒｅｄ ｓｕｂｓｐａｃｅ ｆｏｒ ｍｕｌｔｉ⁃ｔａｓｋ ｃｌｕｓｔｅｒｉｎｇ ａｎｄ ｔｒａｎｓｄｕｃｔｉｖｅ ｔｒａｎｓｆｅｒ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ［ Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ Ｎｉｎｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｄａｔａ Ｍｉｎｉｎｇ． Ｍｉａｍｉ， ＦＬ， ＵＳＡ， ２００９： １５９－１６８． ［ １５ ］ ＤＡＩ Ｗｅｎｙｕａｎ， ＹＡＮＧ Ｑｉａｎｇ， ＸＵＥ Ｇｕｉｒｏｎｇ， ｅｔ ａｌ． Ｓｅｌｆ⁃ｔａｕｇｈｔ ｃｌｕｓｔｅｒｉｎｇ ［ Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００８： ２００－２０７． ［ １６ ］ ＧＵ Ｑｕａｎｑｕａｎ， ＺＨＯＵ Ｊｉｅ． Ｃｏ⁃ｃｌｕｓｔｅｒｉｎｇ ｏｎ ｍａｎｉｆｏｌｄｓ ［ Ｃ ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １５ｔｈ ＡＣＭ ＳＩＧＫＤＤ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ． Ｎｅｗ Ｙｏｒｋ， ＵＳＡ， ２００９： ３５９－３６８． ［１７］ＪＩＡＮＧ Ｗｅｎｈａｏ， ＣＨＵＮＧ Ｆ Ｌ． Ｔｒａｎｓｆｅｒ ｓｐｅｃｔｒａｌ ｃｌｕｓｔｅｒｉｎｇ ［Ｍ］ ／ ／ ＦＬＡＣＨ Ｐ Ａ， ＢＩＥ Ｔ Ｄ， ＣＲＩＳＴＩＡＮＩＮＩ Ｎ． Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ ａｎｄ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ｉｎ Ｄａｔａｂａｓｅｓ． Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ： Ｓｐｒｉｎｇｅｒ， ２０１２： ７８９－８０３． ［１８］ＪＩＮＧ Ｌｉｐｉｎｇ， ＮＧ Ｋ Ｍ， ＨＵＡＮＧ Ｊ Ｚ． Ａｎ ｅｎｔｒｏｐｙ ｗｅｉｇｈｔｉｎｇ ｋ⁃ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｓｕｂｓｐａｃｅ ｃｌｕｓｔｅｒｉｎｇ ｏｆ ｈｉｇｈ⁃ ｄｉｍｅｎｓｉｏｎａｌ ｓｐａｒｓｅ ｄａｔａ ［ Ｊ ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｋｎｏｗｌｅｄｇｅ ａｎｄ ｄａｔａ ｅｎｇｉｎｅｅｒｉｎｇ， ２００７， １９ （ ８ ）： １０２６－１０４１． ［１９］ ＬＩＵ Ｊｕｎ， ＭＯＨＡＭＭＥＤ Ｊ， ＣＡＲＴＥＲ Ｊ， ｅｔ ａｌ． Ｄｉｓｔａｎｃｅ⁃ ｂａｓｅｄ ｃｌｕｓｔｅｒｉｎｇ ｏｆ ＣＧＨ ｄａｔａ［ Ｊ］． Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ， ２００６， ２２（１６）： １９７１－１９７８． ［２０］ＤＡＩ Ｗｅｎｙｕａｎ， ＸＵＥ Ｇｕｉｒｏｎｇ， ＹＡＮＧ Ｑｉａｎｇ， ｅｔ ａｌ． Ｃｏ－ ｃｌｕｓｔｅｒｉｎｇ ｂａｓｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｆｏｒ ｏｕｔ⁃ｏｆ⁃ｄｏｍａｉｎ ｄｏｃｕｍｅｎｔｓ ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １３ｔｈ ＡＣＭ ＳＩＧＫＤＤ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００７： ２１０－２１９． ［２１］ ＭＣＣＡＬＬＵＭ Ａ Ｋ． Ｂｏｗ： ａ ｔｏｏｌｋｉｔ ｆｏｒ ｓｔａｔｉｓｔｉｃａｌ ｌａｎｇｕａｇｅ ｍｏｄｅｌｉｎｇ， ｔｅｘｔ ｒｅｔｒｉｅｖａｌ， ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ ｃｌｕｓｔｅｒｉｎｇ［ＥＢ／ ＯＬ］． １９９６． ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｓ．ｃｍｕ．ｅｄｕ ／ ｍｃｃａｌｌｕｍ／ ｂｏｗ． ［２２］ ＢＡＹ Ｓ Ｄ， ＫＩＢＬＥＲ Ｄ， ＰＡＺＺＡＮＩ Ｍ Ｊ， ｅｔ ａｌ． Ｔｈｅ ＵＣＩ ＫＤＤ ａｒｃｈｉｖｅ ｏｆ ｌａｒｇｅ ｄａｔａ ｓｅｔｓ ｆｏｒ ｄａｔａ ｍｉｎｉｎｇ ｒｅｓｅａｒｃｈ ａｎｄ ｅｘｐｅｒｉｍｅｎｔａｔｉｏｎ ［ Ｊ ］． ＡＣＭ ＳＩＧＫＤＤ ｅｘｐｌｏｒａｔｉｏｎｓ ｎｅｗｓｌｅｔｔｅｒ， ２０００， ２（２）： ８１－８５． 作者简介： 陈爱国，男，１９７５ 年生，博士研究 生，主要研究方向为模式识别与机器 学习。 王士同，男，１９６４ 年生，教授，博士 生导师，中国离散数学学会常务理事， 中国机器学习学会常务理事，主要研究 方向为人工智能、模式识别和生物信 息。 发表学术论文近百篇，其中被 ＳＣＩ、 ＥＩ 检索 ５０ 余篇。 第 １ 期 陈爱国，等：基于极大熵的知识迁移模糊聚类算法 ·１０３·