预测子空间聚类的聚类集成算法

• 作者: 吕红伟 王士同
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 预测子空间聚类 变量选择 模型选择 聚类集成
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能与算法研究
• 页码范围: 845-851
• 页数: 7页
• 分类号: TP181
• 字数: 7855字
• 语种: 中文

摘要

鲁棒的预测子空间聚类(robust predictive subspace clustering,RPSC)算法通过在预测子空间聚类中引入RPCA(robustprincipal component analysis)模型来提高主元分析的鲁棒性,但是算法在执行变量选择和模型选择时,对稀疏参数以及最大子空间维数比较敏感,利用聚类集成良好的鲁棒性和泛化能力,提出预测子空间聚类的聚类集成算法.该算法首先利用RPSC算法的内在特性以及特征重采样技术一起来构造多样性的聚类成员;然后,采用加权连接三元组算法计算簇关联矩阵,发掘出隐藏在簇之间的关联信息;最后,通过谱图分割技术得到最终的集成结果.其优势在于既利用了RPSC算法的优越性能,同时又避免了精确选择参数的问题.实验结果表明,无论在无噪声或加噪声的环境下,新提出的算法都能够提高RPSC算法的聚类质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	吕红伟	江南大学数字媒体学院	2	2	1.0	1.0