基于决策加权的聚类集成算法
聚类集成的目标是融合多个聚类成员的信息以得到一个更优、更鲁棒的聚类结果。针对聚类成员可靠度估计与加权问题,提出了一个基于二部图模型与决策加权机制的聚类集成方法。在该方法中,每个聚类成员被视作一个包含若干连接决策的集合。每个聚类成员的决策集合享有一个单位的可信度,该可信度由集合内的各个决策共同分享。基于可信度分享的思想,进一步对各个聚类成员内的决策进行加权,并将此决策加权机制整合至一个统一的二部图模型;然后利用快速二部图分割算法将该图划分为若干子集,以得到最终聚类结果。实验结果表明,该方法相较于其他对比方法在聚类效果及运算效率上均表现出显著优势。
聚类、聚类集成、决策加权、二部图模型、图分割、基聚类、可信度分享、加权集成
11
TP18(自动化基础理论)
国家自然科学基金项目61573387,61502543;广东省自然科学基金杰出青年项目16050000051;广东省自然科学基金博士启动项目2016A030310457,2015A030310450,2014A030310180;广东省科技计划项目2015A020209124,2015B010108001;广州市科技计划项目201508010032;中央高校基本科研业务费专项项目16lgzd15;华南农业大学青年科技人才培育专项基金项目.
2016-06-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
418-425