基于權(quán)重設(shè)計(jì)的聚類集成算法研究.pdf

1、隨著大數(shù)據(jù)時(shí)代的到來，增長(zhǎng)的海量數(shù)據(jù)中隱藏越來越多的信息，獲取有用的信息和知識(shí)的變得更為重要和困難。聚類分析作為數(shù)據(jù)挖掘領(lǐng)域的重要技術(shù)之一，獲得了廣泛的關(guān)注與應(yīng)用。然而單個(gè)聚類算法在面對(duì)特定的問題時(shí)，經(jīng)常會(huì)出現(xiàn)各種不同的狀況，聚類穩(wěn)定性和準(zhǔn)確性問題還需得到進(jìn)一步研究。
　　聚類集成方法的提出了對(duì)聚類分析方法中存在的一些問題進(jìn)行了一定程度的探索。聚類集成利用集成學(xué)習(xí)技術(shù)，首先運(yùn)行不同的算法或是在選用某種算法時(shí)選擇不同的參數(shù)來獲取多個(gè)

2、聚類成員，通過一致性處理將其合并，得到的結(jié)果往往優(yōu)于使用單一聚類算法獲得的結(jié)果。本文系統(tǒng)地分析了聚類過程中涉及的知識(shí)，充分研究了聚類集成算法的原理和方法。目前已有許多國(guó)內(nèi)外學(xué)者提出了不同的聚類集成方法，但是多數(shù)方法忽視了進(jìn)行集成的聚類成員的質(zhì)量，而當(dāng)存在部分質(zhì)量較差或者有噪聲干擾的成員時(shí)則會(huì)影響最終的結(jié)果。
　　針對(duì)所描述問題，本文提出了基于權(quán)重設(shè)計(jì)的聚類集成算法，試圖采用加權(quán)的方式改進(jìn)已有算法，獲取更好的劃分結(jié)果。主要內(nèi)容包括：

3、
　　①在系統(tǒng)地學(xué)習(xí)了聚類集成方法，了解已有SoA-WCE算法的方法步驟后，分析了該算法中存在的問題：算法中使用兩次集成算法，通過建立初次集成結(jié)果與初始聚類成員之間的決策表系統(tǒng)，并依據(jù)其屬性重要性度量對(duì)聚類成員進(jìn)行加權(quán)，生成二次集成結(jié)果。但是若初始聚類成員存在結(jié)果較差的成員，所產(chǎn)生的初始聚類結(jié)果也會(huì)有所偏差，那么建立在這樣較差的決策表系統(tǒng)所進(jìn)行的二次集成，其結(jié)果勢(shì)必會(huì)受到影響。本文就此問題提出了一種基于互信息加權(quán)的屬性重要性聚類集

4、成算法(MI-SoA-WCE算法)，并詳細(xì)分析了進(jìn)行權(quán)重設(shè)計(jì)的具體過程。該算法計(jì)算初始聚類成員各自的聚類綜合質(zhì)量，并實(shí)行質(zhì)量篩選，再對(duì)篩選后的聚類成員進(jìn)行差異度度量，在此基礎(chǔ)上進(jìn)行權(quán)重設(shè)計(jì)生成加權(quán)共協(xié)矩陣，然后進(jìn)行后續(xù)的處理。
　?、谠O(shè)計(jì)并實(shí)現(xiàn)了所提出的MI-SoA-WCE算法，利用F-measure等評(píng)價(jià)指標(biāo)對(duì)五組數(shù)據(jù)集使用CSPA算法和原有的SoA-WCE算法以及改進(jìn)的方法產(chǎn)生的不同結(jié)果進(jìn)行分析對(duì)比，并通過人工增加噪聲的方法測(cè)