基于加权co-occurrence矩阵的聚类集成算法 weighted cluster ensemble based on co-occurrence matrix.pdfVIP

下载本文档

7
0
约1.41万字
约 4页
2017-08-21 发布于上海
举报
版权申诉

基于加权co-occurrence矩阵的聚类集成算法 weighted cluster ensemble based on co-occurrence matrix.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于加权co-occurrence矩阵的聚类集成算法 weighted cluster ensemble based on co-occurrence matrix

a竹拭2012年第25卷第2期 ElectronicSci．＆ Tech．／Feb．15．2012 基于加权 CO—occurrence矩阵的聚类集成算法柏建普，杨亚坤 (内蒙古科技大学信息工程学院，内蒙古包头 014010) 摘要聚类集成是数据挖掘研究的一个热点。它是利用同一数据集的多个聚类划分集成在一起，以提高聚类分析的性能。当前相关研究大多没有考虑进行集成的聚类成员的质量，因此较差的成员会对集成结果产生不良影响。文中提出了一种基于加权 CO—occurrence矩阵的聚类集成算法 (WCSCE)。该方法首先计算出聚类成员基于属性值的 CO—occulTence矩阵，然后对聚类成员的质量进行简单评价并赋予权重，生成加权 3(0一occulTence矩阵，进而产生集成结果。最后通过实验验证了该算法的有效性，并提高了聚类质量。关键词聚类集成；co—occurrence矩阵；权重中图分类号 TP301．6 文献标识码 A 文章编号 1007—7820(2012)02—019—04 W eightedClusterEnsembleBasedon Co-OccurrenceM atrix BAIJianpu，YANG Yakun (SchoolofInformationEngineering，InnerMongoliaTechnologyUniversity，Baotou014010，China) Abstract Clusterensembleisahottopicindataminingresearch．Itcanfindacombinedclusteringwithbetter qualityfrom multiplepartitions．Mostofresentreserachespaylittleattentiontothequalitiesofclustermembers． However，badclustermembersandnoisemayaffecttheensembleresult．Thispaperpresentsaclusteringensemble algorithm basedonweightedCO—occurrencematrix．FirsttheCO-occurrencepropertyvaluematrixoftheclustermem- bersiscalculated．Thesignificanceofeachclustermemberisevaluatedthroughinfomr ationmeasuresofclusteringe— valuation．ThenweightedCO—occurrencematrixisgeneratedandthefinalensembleresultisobtained．Experimental resultsshow theeffectivenessofthealgorithms，andtheclusteringaccuracyisimproved． Keywords clusterensemb le；co-occurrencematrix；weighted 聚类是数据挖掘中的一项重要技术，它能有效地自多个划分的结果以得到更高质量和鲁棒性的聚类结分析数据并从中发现有用的信息。聚类分析通过计算果。很多研究已经证明聚类集成对任意形状和规模的数据对象间的相似度把数据集划分为若干簇，使同一数据聚类时，其性能优于单一的聚类算法。个簇的对象具有较高的相似度，而不同簇的对象差异凌光等人提出了一种基于 CO—occurrence相似度较大 ¨J。作为一种不同于分类的非监督学习方法，聚的聚类集成算法 (CSCE) 。文中沿用 CSCE算法的类分析在数据挖掘、信息检索、图像分割、模式识别和思想，并提出一种基于加权 co—oc