一种基于k-means的聚类集成方法

摘要：

本文针对一个特定的聚类问题,选择”最佳”算法是一项挑战性任务,而研究表明,对多次聚类进行集成,可以获得更好的效果.提出一种聚类集成方法,先采用仅适用于发现凸面形状簇的k-means算法以及bootstrapping技术适度生成集成中的不同分区,再将分区聚类结果转换为距离矩阵并加以集中,然后采用最近邻连接方法重聚这些矩阵,以便形成最终的聚类结果.该方法可以实现对非凸面形状簇的有效聚类,实验表明了该方法的有效性.

关键词： 聚类集成 k-means 一致性函数 最近邻连接

作者: 郑建军 甘仞初 贺跃 毕思飞

作者单位: 北京理工大学管理与经济学院,北京,100081 北京理工大学计算机科学工程系,北京,100081

会议类型: 国内会议

会议名称: 全国第九届企业信息化与工业工程学术会议

会议地点: 成都

会议语种:中文

页码: 315-319

在线出版日期: 2005-10-21（万方平台首次上网日期，不代表论文的发表时间）