基于密度峰值的聚类集成
聚类集成的目的是为了提高聚类结果的准确性、稳定性和鲁棒性。通过集成多个基聚类结果可以产生一个较优的结果。本文提出了一个基于密度峰值的聚类集成模型,主要完成三个方面的工作：1)在研究已有的各聚类集成算法和模型后发现各基聚类结果可以用密度表示；2)使用改进的最大信息系数(Rapid computation of the maximal information coe?cient, RapidMic)表示各基聚类结果之间的相关性,使用这种相关性来衡量原始数据在经过基聚类器聚类后相互之间的密度关系；3)改进密度峰值(Density peaks, DP)算法进行聚类集成。最后,使用一些标准数据集对所设计的模型进行评估。实验结果表明,相比经典的聚类集成模型,本文提出的模型聚类集成效果更佳。
聚类集成、近邻传播、密度峰值、相似性矩阵
42
TP3;TP1
国家科技支撑计划课题2015BAH19F02;国家自然科学基金61262058,61572407;教育部在线教育研究中心在线教育研究基金全通教育2016YB158;西南交通大学中央高校基本科研业务费专项基金A0920502051515-12资助Supported by National Science and Technology Support Pro-gram2015BAH19F02;National Natural Science Foundation of China61262058,61572407;Online Education Research Cen-ter of the Ministry of Education Online Education Research Fund Full Education2016YB158;Fundamental Research Funds for the Central Universities of Southwest Jiaotong Uni-versityA0920502051515-12
2016-10-14（万方平台首次上网日期，不代表论文的发表时间）
共12页
1401-1412
