一种基于投票策略的聚类融合算法

摘要：

在分类算法和回归模型中,融合方法正得到越来越广泛的应用,但在非监督机器学习领域,由于缺乏数据集的先验知识,则不能直接用于聚类算法.提出并实现了一种基于投票策略的聚类融合算法,该算法利用k-means算法每次随机选取聚类中心而得到不同样本划分的特性,将多次运行得到的聚类结果通过投票的方式合并,从而得到最终的结果.通过一系列真实数据和合成数据集的实验证明,这种方法比单一的聚类算法能更有效地提高聚类的准确率.在此基础上,为了降低高维数据运算的复杂性,将随机划分属性子空间的方法应用到上述聚类融合算法中,实验证明,该方法同时也能够在一个属性子空间上获得好的聚类结果.

关键词：聚类融合、均值算法、投票策略、属性子空间

所属期刊栏目：25

分类号：TP18(自动化基础理论)

在线出版日期：2008-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：126-128,133