三支决策的聚类集成算法研究

发布时间：2022-07-13 19:12

　　聚类集成算法主要由两个步骤实现:通过基础聚类器产生基础聚类成员;通过共识函数（集成策略）集成基础聚类成员。在数据处理方面,聚类集成较传统聚类效果显著,因此聚类集成已经逐渐成为无监督学习领域的热点研究。目前对聚类集成的研究主要集中在集成策略上,而对基础聚类成员的度量和优化的研究较少。本研究基于信息熵理论,提出了一种基础聚类成员的质量度量方法。并在对基础聚类成员质量量化的基础上,提出了一种新型的聚类集成算法框架以及三种基础聚类成员过滤算法。具体研究工作包括:（1）基于信息熵理论,使用信息熵对基础聚类中各类簇进行不确定性度量。结合互信息理论得出基础聚类成员相对基础聚类集合（成员集合）的平均类簇不确定性,并定义为基础聚类成员质量权重,记作类簇平均熵。（2）扩展现有聚类集成的两步算法框架,引入基础聚类预处理步骤。分别结合两支决策（三支决策的一种特殊表达）、三支决策以及序贯三支策略进行基础聚类预处理（进一步筛选基础聚类）。（3）按照上述三步框架,构建基于两支决策的基础聚类过滤机制（2BIA）和基于三支决策的两种基础聚类过滤机制（BCF3WD、BCFS3WD）算法模型。具体来说,在2BIA中,若基砌... 

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 引言
    1.1 课题研究的背景及意义
    1.2 国内外研究现状
        1.2.1 聚类集成研究现状
        1.2.2 三支决策研究现状
    1.3 本文研究思路和主要贡献
    1.4 论文结构安排
第2章 相关理论介绍
    2.1 聚类集成
        2.1.1 聚类集成定义
        2.1.2 基础聚类生成
        2.1.3 基础聚类集成
    2.2 聚类集成评估标准
    2.3 三支决策
        2.3.1 三支决策定义
        2.3.2 三支决策算法模型
    2.4 本章小结
第3章 基于二支增量决策的聚类集成算法研究
    3.1 概述
    3.2 基于信息熵的基础聚类的质量度量
    3.3 基于二支增量的基础聚类过滤算法
    3.4 定性实验分析
        3.4.1 实验准备
        3.4.2 实验设计
        3.4.3 实验分析
    3.5 本章小结
第4章 基于三支决策的聚类集成算法研究
    4.1 概述
    4.2 基于三支决策的基础聚类过滤优化算法
    4.3 基于序贯三支决策的聚类集成研究
    4.4 定性实验分析
        4.3.1 实验准备
        4.3.2 实验设计
        4.3.3 实验分析
    4.5 本章小结
第5章 综合实验与分析
    5.1 概述
    5.2 实验准备
    5.3 实验设计
    5.4 实验分析
        5.4.1 过滤算法横向对比
        5.4.2 聚类集成算法对比
        5.4.3 时间消耗
    5.5 本章小结
第6章 结论与展望
    6.1 结论
    6.2 进一步工作的方向
致谢
参考文献
攻读学位期间的研究成果


【参考文献】：
期刊论文
[1]面向聚类集成的基聚类三支筛选方法[J]. 徐健锋,邹伟康,梁伟,程高洁,张远健.  计算机应用. 2019(11)
[2]基于三支决策的多粒度文本情感分类模型[J]. 张越兵,苗夺谦,张志飞.  计算机科学. 2017(12)
[3]基于弯曲距离三支决策的时序相似性算法[J]. 徐健锋,何宇凡,张远健,汤涛.  计算机科学. 2017(09)
[4]基于直觉模糊集的三支决策模型[J]. 薛占熬,朱泰隆,薛天宇,刘杰,王楠.  计算机科学. 2016(06)
[5]决策粗糙集理论研究现状与展望[J]. 于洪,王国胤,姚一豫.  计算机学报. 2015(08)
[6]基于三支决策的支持向量机增量学习方法[J]. 徐久成,刘洋洋,杜丽娜,孙林.  计算机科学. 2015(06)
[7]基于三支决策的中文微博观点句识别研究[J]. 田海龙,朱艳辉,梁韬,马进,刘璟.  山东大学学报(理学版). 2014(08)
[8]决策粗糙集与代价敏感分类[J]. 李华雄,周献中,黄兵,赵佳宝.  计算机科学与探索. 2013(02)
[9]聚类集成中的差异性度量研究[J]. 罗会兰,孔繁胜,李一啸.  计算机学报. 2007(08)
[10]基于Bagging的选择性聚类集成[J]. 唐伟,周志华.  软件学报. 2005(04)

硕士论文
[1]基于三支决策理论的时间序列聚类算法研究[D]. 何宇凡.南昌大学 2018
[2]聚类集成算法研究[D]. 宋敬环.哈尔滨工程大学 2015
[3]聚类集成算法及应用研究[D]. 刘秉义.南京理工大学 2012



本文编号：3660610