一种基于数据关联的聚类集成方法

摘要：

聚类集成是集成学习中的一个重要分支,其目标是解决无监督聚类分析中聚类算法的选择性、偏差性与数据特殊性等导致聚类结果不理想的问题.提出了一种基于数据关联的聚类集成方法(CEBDR),该算法先提取出在聚类成员中体现有关联关系的数据对象来组成新的类,然后对这些类进行二次聚类得到最终的集成结果.最后,本文选用了一些标准数据集,采用本文算法、已有的基聚类和聚类集成算法来进行对比实验,实验结果表明该算法能够有效地提高聚类质量.

关键词： Clustering ensemble Data relevant Clustering performance

作者: 谷鹏花 杨燕 王红军

作者单位: 西南交通大学信息科学与技术学院 云计算与智能技术省级高校重点实验室 成都610031

会议类型: 国内会议

会议名称: 第十二届中国Rough集与软计算学术会议、第六届中国Web智能学术研讨会及第六届中国粒计算学术研讨会联合学术会议

会议地点: 合肥

会议语种:中文

页码: 132-132

在线出版日期: 2012-10-13（万方平台首次上网日期，不代表论文的发表时间）