计算机科学与探索

作者：薛红艳, 钱雪忠, 周世兵

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

关键词：地标点采样,谱聚类,聚类集成,共协矩阵,加权策略

大多数集成聚类算法使用K-means算法生成基聚类，得到的基聚类效果不太理想。通常在使用共协矩阵对基聚类进行集成时，忽视了基聚类多样性的不同，平等地对待基聚类，且以样本为操作单元生成共协矩阵。当样本数目或集成规模较大时，计算负担显著增加。针对上述问题，提出超簇加权的集成聚类算法（ECWSC）。该算法使用随机选点与K-means选点相结合来获取地标点，对地标点使用谱聚类算法得到其聚类结果，再将样本点映射到与之最近邻的地标点上生成基聚类。在此基础上，以信息熵为依据计算基聚类的不确定性，并对基聚类赋予相应权重，使用加权的方式得到加权超簇的共协矩阵，对共协矩阵使用层次聚类算法得到集成结果。选取7个真实数据集和4个人工数据集作为实验数据集，从准确度、鲁棒性和时间复杂度方面进行验证。对比实验结果表明，该算法能够有效提升集成聚类的性能。

来源：2021年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第12期