聚类集成方法研究

被引：16

作者：

杨草原 ^{[1
]}

刘大有 ^{[2
]}

杨博 ^{[1
]}

池淑珍 ^{[1
]}

金弟 ^{[1
]}

机构：

[1] 吉林大学计算机科学与技术学院

[2] 吉林大学符号计算与知识工程教育部重点实验室

来源：

计算机科学 | 2011年 / 38卷 / 02期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

聚类集成; 聚类成员; 一致性函数; 聚类算法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

聚类集成通过对原始数据集的多个聚类结果进行学习和集成,得到一个能较好地反映数据集内在结构的数据划分。聚类集成能够较好地检测和处理孤立点,提高聚类结果质量。综述了聚类集成的相关知识,介绍了聚类集成的相关概念和优点;根据使用的聚类算法介绍了3种产生聚类成员方法,分析了各自的优缺点及适用条件;介绍了目前已有的一致性函数,阐述了其基本原理,并指出了其局限;最后讨论了未来的研究方向。

引用

页码：166 / 170

页数：5

共 11 条

[1] Ensemble clustering with voting active clusters [J].