基于多扰动的局部自适应软子空间聚类融合算法

摘要：

提出基于随机初始化、参数扰动和特征子集映射的多扰动的局部自适应软子空间聚类(LAC)融合算法(MLACE).MLACE具有以下特点:(i)多扰动融合:从初始化、参数和特征子集等不同侧面,探测数据内部结构,使之相互融合,从而达到改善聚类正确性的目的;(ii)融合信息提升:根据LAC算法输出的子空间权重矩阵,定义数据属于每一类的概率,形成提升的融合信息;(iii)融合一致性函数改进:融合信息的形式由0/1二值信息转换成[0,1]实值信息,因此,一致性函数采用了性能较优的实数值融合算法Fast global K-means来进一步改善融合正确性.实验选取2个仿真数据库和5个UCI数据库测试MLACE的聚类正确性,实验结果表明,MLACE聚类正确性优于K-means、LAC、基于参数扰动LAC融合算法(P-MLACE).

关键词：聚类融合、软子空间聚类、局部自适应软子空间聚类、多扰动

所属期刊栏目：41

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61070033,61100148,61202269;广东省自然科学基金S2011040004804;广东省科技计划项目2010B050400011;软件新技术国家重点实验室开放课题KFKT2011B19;广东高校优秀青年创新人才培育项目LYM11060;广州市科技计划项目12C42111607,201200000031;番禺区科技计划项目2012-Z-03-67

在线出版日期：2014-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：240-244