一种基于数据关联的聚类集成方法

• 作者: 杨燕 王红军 谷鹏花
• 来源期刊: 合肥工业大学学报（自然科学版）
• 学科: 工学
• 关键词: 聚类集成 数据关联 聚类质量
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 计算机与信息工程
• 页码范围: 59-62
• 页数: 4页
• 分类号: TP181
• 字数: 2357字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-5060.2013.01.013

摘要

聚类集成是集成学习中的一个重要分支,其目标是解决无监督聚类分析中聚类算法的选择性、偏差性与数据特殊性等导致聚类结果不理想的问题.文章提出了一种基于数据关联的聚类集成方法(CEBDR),该算法先提取出在聚类成员中体现有关联关系的数据对象来组成新的类,然后对这些类进行二次聚类得到最终的集成结果.文中选用了一些标准数据集,采用CEBDR算法、已有的基聚类和聚类集成算法来进行对比实验,实验结果表明,该算法能够有效地提高聚类质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨燕	西南交通大学信息科学与技术学院	97	1192	16.0	32.0
2	谷鹏花	西南交通大学信息科学与技术学院	1	1	1.0	1.0
3	王红军	西南交通大学信息科学与技术学院	14	93	4.0	9.0