基于密度峰值的聚类集成

发布时间：2017-10-26 17:25

  本文关键词：基于密度峰值的聚类集成

  更多相关文章： 聚类集成 近邻传播 密度峰值 相似性矩阵

【摘要】：聚类集成的目的是为了提高聚类结果的准确性、稳定性和鲁棒性.通过集成多个基聚类结果可以产生一个较优的结果.本文提出了一个基于密度峰值的聚类集成模型,主要完成三个方面的工作:1)在研究已有的各聚类集成算法和模型后发现各基聚类结果可以用密度表示;2)使用改进的最大信息系数(Rapid computation of the maximal information coefficient,Rapid Mic)表示各基聚类结果之间的相关性,使用这种相关性来衡量原始数据在经过基聚类器聚类后相互之间的密度关系;3)改进密度峰值(Density peaks,DP)算法进行聚类集成.最后,使用一些标准数据集对所设计的模型进行评估.实验结果表明,相比经典的聚类集成模型,本文提出的模型聚类集成效果更佳.
【作者单位】： 西南交通大学信息科学与技术学院;
【关键词】： 聚类集成 近邻传播 密度峰值 相似性矩阵
【基金】：国家科技支撑计划课题(2015BAH19F02) 国家自然科学基金(61262058,61572407) 教育部在线教育研究中心在线教育研究基金(全通教育)(2016YB158) 西南交通大学中央高校基本科研业务费专项基金(A0920502051515-12)资助~~
【分类号】：TP311.13
【正文快照】： 引用格式褚睿鸿,王红军,杨燕,李天瑞.基于密度峰值的聚类集成.自动化学报,2016,42(9):1401-1412Clustering Ensemble Based on Density PeaksCHU Rui-Hong1WANG Hong-Jun1YANG Yan11绪论1.1研究背景和研究意义类簇可以描述为一个包含密度相对较高的点集的多维空间中的连通区域，

本文编号：1099693