谱聚类中选取特征向量的动态选择性集成方法

被引：8

作者：

王兴良

王立宏

武栓虎

机构：

[1] 烟台大学计算机学院

来源：

模式识别与人工智能 | 2014年 / 27卷 / 05期

关键词：

谱聚类; 选择性集成; 特征向量选取; 约束计分; l-最近邻;

D O I：

10.16451/j.cnki.issn1003-6059.2014.05.007

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

谱聚类中k个最大特征值对应的特征向量不一定使聚类结果达到最好,因此,文中采用特征向量组的选择性集成方法以提高谱聚类性能,涉及基特征向量组的选取、选择性集成策略等问题.利用训练数据的成对约束信息进行打分,选出较好的基特征向量组;应用测试数据在训练数据中的l-最近邻的聚类性能指标,动态评价每组特征向量,选出少量几个参与投票的特征向量组;对测试数据集的几个特征向量组数据进行谱聚类,并对结果进行簇配准,给出最终的聚类结果.实验表明,采用动态选择性集成方法能提高测试数据的聚类性能.

引用

页码：452 / 462

页数：11

共 14 条

[1]

谱聚类中特征向量的Bagging选取方法 [J].

王兴良 ;

王立宏 ;

李海军 .

山东大学学报(工学版), 2013, 43 (02) :35-41

[2]

基于谱聚类的聚类集成算法.[J].周林;平西建;徐森;张涛;.自动化学报.2012, 08

[3]

分类器的动态选择与循环集成方法 [J].

郝红卫 ;

王志彬 ;

殷绪成 ;

陈志强 .

自动化学报, 2011, 37 (11) :1290-1295

[4]

选择性集成学习算法综述 [J].

张春霞 ;

张讲社 .

计算机学报, 2011, 34 (08) :1399-1410

[5]

半监督谱聚类特征向量选择算法 [J].

赵凤 ;

焦李成 ;

刘汉强 ;

公茂果 .

模式识别与人工智能, 2011, 24 (01) :48-56

[6]

基于Bagging的选择性聚类集成 [J].

唐伟 ;

周志华 .

软件学报, 2005, (04) :496-502

[7]

Spectral clustering with more than K eigenvectors [J].

Rebagliati, Nicola ;

Verri, Alessandro .

NEUROCOMPUTING, 2011, 74 (09) :1391-1401

[8]

Bagging-based spectral clustering ensemble selection [J].

Jia, Jianhua ;

Xiao, Xuan ;

Liu, Bingxiang ;

Jiao, Licheng .

PATTERN RECOGNITION LETTERS, 2011, 32 (10) :1456-1467

[9]

Accelerating spectral clustering with partial supervision [J].

Mavroeidis, Dimitrios .

DATA MINING AND KNOWLEDGE DISCOVERY, 2010, 21 (02) :241-258

[10]

Spectral clustering with eigenvector selection based on entropy ranking.[J].Feng Zhao;Licheng Jiao;Hanqiang Liu;Xinbo Gao;Maoguo Gong.Neurocomputing.2010, 10

← 1 2 →