摘要
聚类集成是聚类的一个重要分支,它用于融合多个基聚类,来生成具有鲁棒性和高质量的最终聚类划分.将原始信息转化为共协矩阵,通过共协矩阵得到最终聚类划分的聚类集成方法是目前很多研究者研究的内容,然而大多数研究者都忽略了聚类结果容易受到噪声的影响,且忽略了共协矩阵在数据量大时,时间以及空间复杂度高的问题.为了解决以上问题,该文设计了一种基于类间相似性的聚类集成方法(CSCE).该方法首先基于证据积累模型找到原始对象之间的相似性,将原始对象划分为多个小簇.然后通过一种新的相似度计算方法,计算簇与簇之间的相似度,形成簇与簇的相似矩阵.最后通过归一化切割(NCUT)切图的方法,将簇相似矩阵划分为最终聚类结果.该方法将低质量异常对象按相似度并入与之相似的簇中,并在8 个数据集上进行了实验.结果表明,该方法不仅聚类效果好,而且解决了传统共协矩阵时间以及空间复杂度高的问题.
国家科技期刊平台
NSTL
维普
万方数据