基于随机取样选择性Kmeans聚类融合算法.docVIP

基于随机取样选择性Kmeans聚类融合算法 　　文章编号:10019081(2013)07196904 　　doi:10.11772/j.issn.10019081.2013.07.1969 　　摘 要: 　　由于缺少数据分布、参数和数据类别标记的先验信息，部分基聚类的正确性无法保证，进而影响聚类融合的性能；而且不同基聚类决策对于聚类融合的贡献程度不同，同等对待基聚类决策，将影响聚类融合结果的提升。为解决此问题，提出了基于随机取样的选择性Kmeans聚类融合算法（RSKMCE）。该算法中的随机取样策略可以避免基聚类决策选取陷入局部极小，而且依据多样性和正确性定义的综合评价值，有利于算法快速收敛到较优的基聚类子集，提升融合性能。通过2个仿真数据库和4个UCI数据库的实验结果显示：RSKMCE的聚类性能优于Kmeans算法、Kmeans融合算法（KMCE）以及基于Bagging的选择性Kmeans聚类融合（BAKMCE）。 　　 　　关键词: 　　聚类融合;选择性聚类融合;随机取样;聚类决策评价;Kmeans 　　中图分类号: 　　TP181 　　文献标志码:A 　　英文标题 　　Selective Kmeans clustering ensemble based on random sampli