一种改进的自适应聚类集成选择方法
针对自适应聚类集成选择方法(Adaptive cluster ensemble selection,ACES)存在聚类集体稳定性判定方法不客观和聚类成员选择方法不够合理的问题,提出了一种改进的自适应聚类集成选择方法(Improved ACES,IACES).IACES依据聚类集体的整体平均归一化互信息值判定聚类集体稳定性,若稳定则选择具有较高质量和适中差异性的聚类成员,否则选择质量较高的聚类成员.在多组基准数据集上的实验结果验证了IACES方法的有效性:1)IACES能够准确判定聚类集体的稳定性,而ACES会将某些不稳定的聚类集体误判为稳定;2)与其他聚类成员选择方法相比,根据IACES选择聚类成员进行集成在绝大部分情况下都获得了更佳的聚类结果,在所有数据集上都获得了更优的平均聚类结果.
机器学习、聚类分析、聚类集成、聚类集成选择
44
国家自然科学基金61105057,61375001;江苏省自然科学基金BK20151299;江苏省政策引导类计划产学研合作-前瞻性联合研究项目BY2016065-01;江苏省高等学校自然科学研究项目18KJB520050;江苏省媒体设计与软件技术重点实验室江南大学开放课题18ST0201;江苏省“333工程”,江苏省高校“青蓝工程”资助
2019-01-23（万方平台首次上网日期，不代表论文的发表时间）
共10页
2103-2112
