基于時機的模糊譜圖劃分聚類集成算法的研究.pdf

1、聚類分析作為數(shù)據(jù)挖掘和機器學(xué)習(xí)領(lǐng)域重要基礎(chǔ)技術(shù)方法之一，廣泛應(yīng)用于模式識別、圖像分割、社會計算等諸多領(lǐng)域。其中，國內(nèi)外的學(xué)者對包括模糊C-均值聚類算法在內(nèi)的模糊聚類算法進行了持續(xù)不斷的研究，分別從不同角度深入和展開，提出了一系列的模糊聚類新算法。
　　聚類算法雖然多種多樣，而現(xiàn)實世界的樣本數(shù)據(jù)卻具有各種結(jié)構(gòu)或形狀，故任何一個聚類算法都不一定能準(zhǔn)確揭示樣本數(shù)據(jù)紛繁復(fù)雜的簇結(jié)構(gòu)。聚類集成適時地出現(xiàn)，即將產(chǎn)生的多個聚類劃分結(jié)果融合來得到

2、統(tǒng)一且合理的聚類劃分結(jié)果。近年來，許多研究表明聚類集成技術(shù)能有效提高單聚類算法的精度和穩(wěn)定性，其關(guān)鍵問題之一在于如何將不同的聚類成員融合得到更好的聚類結(jié)果。
　　本文提出基聚類器生成時機的概念，將提高集成網(wǎng)絡(luò)間泛化能力的早期停止準(zhǔn)則應(yīng)用于聚類集成過程，提出基于早期停止準(zhǔn)則的基聚類成員生成方法。同時本文提出譜圖劃分集成方法時機的概念，將譜圖劃分聚類集成算法依次產(chǎn)生的三個階段性結(jié)果分別進行集成，依次稱之為劃分集成、網(wǎng)絡(luò)集成、效用集成，

3、并上述譜圖劃分聚類集成算法的后續(xù)聚類階段使用模糊C-均值聚類算法，進而提出基于時機的（半監(jiān)督）模糊譜圖劃分聚類集成算法。
　　通過對基于早期停止準(zhǔn)則的聚類集成算法和基于時機的模糊譜圖劃分聚類集成算法的理論分析，以及相應(yīng)的實驗及結(jié)果分析，可以看出:基于早期停止準(zhǔn)則的聚類集成得到的結(jié)果較好，且更節(jié)約聚類集成的時間;基于時機的模糊譜圖劃分聚類集成算法相對于現(xiàn)有的圖劃分聚類集成方法，無論是聚類效果還是在執(zhí)行時間上都表現(xiàn)不俗，特別是基于劃分