半監(jiān)督模糊聚類集成方法研究.pdf

1、聚類是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要性工具，它根據(jù)某種相似性準(zhǔn)則將數(shù)據(jù)對(duì)象劃分成若干個(gè)簇，以發(fā)現(xiàn)數(shù)據(jù)對(duì)象內(nèi)在的分布情況。盡管目前學(xué)者提出了許多聚類算法及改進(jìn)算法，但任何單一聚類算法都無法準(zhǔn)確揭示各種數(shù)據(jù)集所呈現(xiàn)出的簇結(jié)構(gòu);面對(duì)具有各種形狀或結(jié)構(gòu)的數(shù)據(jù)集，尋找符合該數(shù)據(jù)集的單個(gè)聚類算法變得更加困難。聚類集成將不同的聚類算法或同種算法通過使用不同初始參數(shù)得到的結(jié)果進(jìn)行合并，以獲得比單個(gè)聚類算法更加優(yōu)秀的結(jié)果。然而，多數(shù)情況下的聚類集成算法是建立在非

2、監(jiān)督方式之上的聚類集成算法，由于缺乏對(duì)先驗(yàn)知識(shí)的利用，致使聚類集成的準(zhǔn)確性受到影響?？紤]將半監(jiān)督學(xué)習(xí)與聚類集成方法相結(jié)合，可以進(jìn)一步提高學(xué)習(xí)性能。
　　傳統(tǒng)的聚類集成算法大部分是建立在硬聚類的基礎(chǔ)上的，但在現(xiàn)實(shí)生活中大多數(shù)樣本具有模糊性，從聚類集成的一開始便使用硬聚類算法將可能會(huì)導(dǎo)致部分有用信息的丟失;同時(shí)在聚類集成的過程中，由于基聚類結(jié)果的產(chǎn)生也伴隨著潛在信息的產(chǎn)生，潛在信息的獲取會(huì)較好的提高聚類集成的性能和質(zhì)量。然而多數(shù)的聚類

3、集成方法忽視了潛在信息或者潛在信息的獲取方式較為復(fù)雜，導(dǎo)致聚類集成的結(jié)果受到影響。針對(duì)此問題，本文提出一種基于鏈接的模糊聚類集成方法，將數(shù)據(jù)與簇之間的相關(guān)性矩陣轉(zhuǎn)化為表示數(shù)據(jù)相關(guān)性的權(quán)重圖，通過簡(jiǎn)潔而有效的方法獲取了潛在信息，并利用圖劃分算法提升最終結(jié)果。
　　在半監(jiān)督聚類集成的研究方面，在集成過程中加入成對(duì)約束信息時(shí)，不僅考慮約束點(diǎn)與被約束點(diǎn)之間的關(guān)系，而且考慮了約束點(diǎn)與被約束點(diǎn)鄰域點(diǎn)之間的關(guān)系。給出了基于半徑和使用高斯分布選取