一种基于图论的加权聚类融合算法

被引：3

作者：

谢岳山 ^{[1
]}

樊晓平 ^{[1
,2
]}

廖志芳 ^{[3
]}

尹红练 ^{[3
]}

罗浩 ^{[1
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 湖南省财政经济学院

[3] 中南大学软件学院

来源：

计算机应用研究 | 2013年 / 30卷 / 04期

基金：

湖南省自然科学基金;

关键词：

聚类融合; 融合函数; 混合属性; 图论; 加权;

D O I：

暂无

中图分类号：

TP311.13 []; O157.5 [图论];

学科分类号：

1201 ;

摘要：

现有聚类融合算法对混合属性数据进行处理的效果不佳,主要是融合后的结果仍存在一定的分散性。为解决这个问题,提出了一种基于图论的加权聚类融合算法,通过对数据集聚类得到聚类成员后,利用所设计的融合函数对各个数据对象赋予权重,同时通过设置各个数据对间边的权重来确定数据之间的关系,得到带权最近邻图,再用图论的方法进行聚类。实验表明,该算法的聚类精度和稳定性优于其他聚类融合算法。

引用

页码：1015 / 1016+1034 +1034

页数：3

共 4 条

[1]

A Mixture Model of Clustering Ensembles. A. Topchy,A.K. Jain,W. Punch. Proceedings of the SIAM International Conference on Data Mining . 2004

[2]

Cluster ensembles-a knowledge reuse framework for combining multiple partitions. Strehl A,Ghosh J. Journal of Machine Learning Research . 2003

[3] 基于属性重要性的加权聚类融合 [J].

阳琳赟 ;

周海京 ;

卓晴 ;

王文渊 .

计算机科学, 2009, 36 (04) :243-245+249

[4]

Using diversity in clusterensembles. Kuncheva L I,Hadjitodorov S T. Proceedings of the IEEE International Con-ference on Systems,Man and Cybernetics . 2004

← 1 →