一种基于非负矩阵分解的聚类集成算法-计算机科学.pdfVIP

Vo1. 44 No. 9 第 44 卷第9 期 计算机科学 2017 年 9 月 COMPUTER SCIENCE Sep.2017 一种基于非负矩阵分解的聚类集成算法 何梦娇杨燕王淑营 (西南交通大学信息科学与技术学院 成都 610031) 摘 要 为了解决通过原始数据集获得的基聚类结果存在一定的信息丢失，从而使得集成阶段的有效信息减少的问 题，提出了一种基于非负矩阵分解的 K-means 聚类集成算法。该算法先利用 K-means 聚类算法获得集成信息矩阵， 然后从原始数据集获取数据相关性，将两者结合后通过非负矩阵分解CN鸟在F)技术构建共识函数以获得最终结采。实 验证明，所提算法可以有效获取原始数据的潜在信息，并提高聚类质量。 关键词 聚类集成，K-means ， N岛1F，潜在信息 中圄法分类号 TP391 文献标识码 A DOI 10. 11896/j. issn. 1002-137X. 2017. 09. 011 NMF-Based Clustering Ensemble Algorithm HE Meng-jiao YANG Yan WANG Shu-ying (School of Information Science and Technology ,Southwest Jiaotong University ,Chengdu 610031 ,China) Abstract A Nl\在F-based K-means clustering ensemble CNBKCE) algorithm was proposed for solving the problem of effective information loss in ensemble ,which is caused by basic clustering results obtained from the original datasets. In NBKCE ,an ensemble information matrix is built primarily by exploiting the results of the K-means ,and then the rela tionship matrix is formed based on the original dataset. At last nonnegative matrix factorization CNl\1F) is employed to construct consensus function to gain the final results. The experiments demonstrate that the NBKCE may attain the un derlying information effectively and improve the performance of the clustering. Keywords Ensemble clustering ,K-means ,N岛1F， Underlying information 聚类分析是数据挖掘的重要工具，现已被广泛应用于信息 有效提高了聚类质量。文献[3J把每一个基聚类器看成是原 检索、医学图像处理、商务应用、Web 搜索等领域。聚类，就是 数据的一个属性，并在此基础上提出了 LVCE 概率模型以及 基于此模型的 MCMC算法，它们都取得了良好的聚类效果。 最大化一个簇内数据对象的相似度，最小