加权共协矩阵聚类融合研究.pdfVIP

第 10卷 第 1期 科 技 和 产 业 Vo1．10，NO．1 2010正 1月 ScienceTechnologyandIndustry Jan．， 2o10 加权共协矩阵聚类融合研究 李丹丹 ，褚丽丽 (辽宁工程技术大学 系统工程研 究所 ，辽宁 葫芦岛 125105) 摘要 ：当前的聚类融合算法大多不考虑进行融合 的成员的质量，当聚类成员存在 聚类质量差或者有噪声干扰 时，融合结 果将受到影响。本文提 出了一种对聚类成员进行加权 的融合算法。该方法对聚类成员的质量进行简单评价 ，并据此对 其赋予权重，生成加权共协矩阵，能够有效的消减聚类成员质量差异和噪声对融合 的影响，进而得到更好 的融合结果 。 关键词 ：聚类融合 ；权 重；共协矩 阵 中图分类号 ：TP301 文献标志码 ：A 文章编号 ：1671—1807(2010)01—0089—03 聚类分析根据在数据中发现 的描述对象及其关 l 聚类融合方法概述 系的信 息 ，将数据对象划分成有 意义或有用 的组 聚 类 融 合 (Clustering Ensemble／Clustering (簇)。其 目标是，组 内的对象相互之 间是相似的(相 Combination)的概念是 A．Strehl[5]提出：将多个对一 关的)，而不同组 中的对象是不 同的(不相关 的)。组 组对象进行划分 的不同结果进行合并 ，而不使用对象 内的相似性 (同质性)越大，组间差别越大 ，聚类就越 原有的特征。它的具体表达如下_|4]： 好L1]。聚类算法是一种非监督的机器学习算法 ，目的 假设有 个数据点X — f ， ，3，…，z)，对 是将数据集人为地划分成若干类 ，以揭示这些数据分 数据集 X用 H 次聚类算法得到 H 个 聚类结果 ，H 布的真实情况。然而 ，没有任何一种算法能胜任任意 — 丌，7／，丌。，…，丌¨ (以下称之为聚类成员)，其 中 形状、任意分布的数据的聚类 [2]。聚类 ，作为数据挖 玎(忌一 1，2，3，… ，H)为对第 k次算法得到的聚类结 掘技术研究的热点之一 ，受到了越来越多的关注。目 果 。设计一种共识函数 r，对这 H 个 聚类成员的聚 前已有很多 比较成熟 的聚类算法，如 K—means、K— 类结果进行合并 ，得到一个最终 的聚类结果 丌 ，如图 medoids、BIRCH、CURE、DBSCAN、STING等，以及 1所示 各种改进的聚类算法，如蚁群聚类组合算法 [3]。虽然 其中有些算法已经得到广泛应用 ，但 由于聚类分析算 法对于数据集有诸多限制 ，所以很难找到适合 的方法 o 2I 进行聚类分析。由此 ，聚类融合算法应运而生 。 兀3 融合方法将不同算法或者同一算法下使用不同 参数得到的结果进行合并 ，从而得到 比单一算法更为 优越的结果 。在分类算法和回归模型中，融合方法的 图1 聚类融合示意图 使用已经比较成熟 。但在聚类分析领域 ，聚类融合方 法的研究在近几年才开始出现L4]。 在聚类融合 中，先要产生对数据集 X 的h个 聚 当前的聚类融合算法大多不考虑进行融合的成 类成员 ，然后对这 h个 聚类成员 的聚类结果进行合 员的质量 ，当聚类成员存在聚类质量差或者有噪声干 并 。目前研究主要集中在两个方面 ： 扰时，融合结果将受到影 响。针对此种情况 ，本文根 一 是如何产生有效的聚类成员 ； 据簇 内方差对生成的H 个 聚类成员划分成五类 ，再