聚类集成研究综述.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2024，60（7）41

聚类集成研究综述

邵超，润清晨

河南财经政法大学计算机与信息工程学院，郑州450046

摘要：聚类分析作为数据研究领域的基本技术，旨在从无标签数据集中发现有意义的簇结构。由Kleinberg定理可

知不存在能够学习任何数据集的基本聚类算法，即没有一种聚类方法能够正确地找到所有数据集的簇结构。聚类

集成解决了这一固有挑战，通过组合多个聚类结果来探索高稳定性和鲁棒性的最终聚类。近些年来，提出了许多聚

类集成技术，产生了解决实际问题的新方法以及新应用领域。从基聚类生成机制和共识函数设计两个维度对聚类

集成技术进行了综述，分析了各种方法的优缺点并进行实验比较。最后针对当前的研究现状，讨论了未来的研究方向。

关键词：聚类集成；基聚类；共识函数

文献标志码：A中图分类号：TP181doi：10.3778/j.issn.1002-8331.2307-0050

SurveyofClusteringEnsembleResearch

SHAOChao,RUNQingchen

SchoolofComputerandInformationEngineering,HenanUniversityofEconomicsandLaw,Zhengzhou450046,China

Abstract：Asabasictechnologyinthefieldofdataresearch,clusteranalysisaimstodiscovermeaningfulclusterstruc-

turefromunlabeleddatasets.AccordingtoKleinberg’stheorem,thereisnobasicclusteringalgorithmthatcanlearnany

dataset,whichmeansthatnoclusteringmethodcancorrectlyfindtheclusterstructureofalldatasets.Clusteringensemble

addressesthisinherentchallengesbycombiningmultipleclusteringresultstoexplorethefinalclusteringwithhighstability

androbustness.Inrecentyears,manyclusteringensembletechniqueshavebeenproposed,resultinginnewwaystosolve

practicalproblemtogetherwithnewapplicationareasofthesetechniques.Clusteringensembletechniquesaresumma-

rizedfromthetwodimensionsofbasicclusteringgenerationmechanismandconsensusfunctiondesign,theadvantages

anddisadvantagesofvariousmethodsareanalyzed,andexperimentalcomparisonsaremade.Finally,thefutureresearch

directionsarediscussedbasedonthecurrentresearchstatus.

Keywords：clusteringensemble;baseclustering;consensusfunction

聚类是多变量数据分析或处理的基本技术，被广泛究人员引入了聚类集成（clusteringensemble）的概念，它

[1][2][3]