基于先验信息和谱分析聚类融合算法.docVIP

基于先验信息和谱分析聚类融合算法 　　摘 要:在聚类过程中利用先验信息能显著提高聚类算法的性能,但已存在的聚类融合算法很少考虑到数据集的先验信息。基于先验信息和谱分析,提出一种聚类融合算法,将成对限制信息引入到谱聚类算法中,用受限的谱聚类算法产生聚类成员,再采用基于互联合矩阵的集成方法生成最后的聚类结果。实验结果表明,利用先验信息能有效提高聚类的效果。 　　关键词:聚类融合; 先验信息; 成对限制; 谱聚类 　　中图分类号:TP181; TP301.6文献标志码:A 　　文章编号:1001-3695(2010)06-2103-03 　　doi:10.3969/j.issn.1001-3695.2010.06.031 　　 　　Clustering ensemble algorithm based on prior knowledge and spectral analysis 　　 　　HOU Juan1, FEI Yao??ping1, HU Xiao??xia2, LI Jue??run2 　　 　　(1.College of Information Science Engineering, Central South University, Changsha 410075, China; 2.Jiangsu LSYW System Integration Co.Ltd., Wuxi Jiangsu 214001, China) 　　 　　Abstract:The prior knowledge can improve clustering performance, but few of clustering ensemble algorithms consider the prior knowledge of the datasets. This paper proposed a clustering ensemble algorithm based on prior knowledge and spectral ??analysis.?? It incorporated the pairwise constraints into the spectral clustering algorithm to generate clustering members. And obtained the final result by using the combining method of co??association matrix. The experimental results demonstrate that the proposed method can efficiently improve the clustering performance. 　　Key words:clustering ensemble; prior knowledge; pairwise constraints; spectral clustering 　　 　　聚类分析是数据分析的有效工具,在数值分析、数据挖掘和模式识别领域有着非常广泛的应用。目前的文献已提出了许多聚类算法,但还没有一个单一的算法能够识别出任意形态的数据结构分布。因此Strehl等人[1]于2002年提出聚类融合的概念,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。该方法能够很好地提高聚类算法的稳定性,并且能够实行并行计算。 　　在以前的研究中,大多数聚类融合算法都是把重点放在聚类成员的差异性和如何令聚类融合应用在各种不同的数据集上,而很少有聚类融合算法考虑数据集的先验信息。大量研究表明,在聚类搜索过程中充分利用先验信息会显著提高聚类算法的性能。利用先验信息所提出的算法被称为半监督聚类。根据使用先验信息方法的不同,半监督算法被分成两大类:a)基于限制的方法[2],该类方法修改聚类算法本身;b)基于测度的方法[3]。建立在谱图理论上的谱聚类算法[4],在数据相似性矩阵的基础上求解拉普拉斯矩阵,是一种点对聚类算法,这使得在聚类过程中利用成对限制[5]这一先验信息变得非常容易。Kamvar等人[6]通过直接修改相似性矩阵的方法将成对限制信息引入谱聚类算法中,提出了受限的半监督谱聚类算法;XU Qian??jun等人[7]认为,当数据集合中包含奇异点时,相似性矩阵中的对角元素容易造成单元素聚类,为克服这一缺陷提出了CSC算法。 　　本文结合受限的半监督谱聚类算法和聚类融合的概念,提出了一种基于先验信息和谱分析的聚类融合算法。该算法将成对限制信息引入到谱聚类算法中,产生多个聚类成员,再采用基于互联