基于聚类准则融合的加权聚类集成算法

白亮,高锦

(山西大学 计算机与信息技术学院,山西 太原 030006)

0 引言

聚类分析是挖掘数据内部结构特征的一个重要的工具,在机器学习、数据挖掘、模式识别等领域有着重要的作用[1]。它与分类的情况不同,是一种无监督的学习,依据无标记对象的相似性对其进行分组,使得划分在同一组中的数据对象尽可能地相似,而与其他组中的数据对象尽可能地相异。

聚类集成[2]是利用集成学习思想,通过合并数据集的多个聚类划分结果,得到一个新的聚类结果,从而提高聚类结果的鲁棒性[3]。聚类集成有两个主要任务:基聚类的生成和一致性函数的设计[4]。目前产生基聚类的方法主要有:(1)使用不同的聚类算法,文献[3]中Gionis等人对同一个数据集使用Single-Link,Complete-Link,Average-Link,K-means等算法对数据集进行处理,生成具有差异度的聚类成员;(2)将数据集的特征空间投射到数据子空间,如Bagging算法;(3)同一个聚类方法设置不同的参数和随机初始化,如K-means算法设置不同的初始中心点。目前存在的一致性函数设计的方法有:(1)基于成对相似性的方法[5-7],文献[5]中Fred等最早提出了基于共协关系矩阵的EAC算法,将该矩阵作为层次聚类算法的输入得到最终聚类结果;(2)基于超图分割的方法[6],文献[6]中Strehl等人将聚类集成中的每一个簇视作一条超边,构造得到一个超图结构,进而用分割算法将其分割为若干块,以得到最终聚类结果;(3)基于特征的方法等[8-11],它是把聚类集成问题转化为分类数据的聚类问题,基聚类中的簇用于表示数据点对象的特征,最后得到统一聚类的结果。……