基于軟投票的半監(jiān)督聚類集成研究.pdf

1、聚類分析是一種最為廣泛應用的數據挖掘技術，其原理是先對數據對象進行聚類處理，然后對其結果進行分析，試圖從中找到隱含的具有實用價值的信息。聚類就是將大量混為一團的數據對象以它們之間的距離大小為依據進行智能劃分處理，得到若干個簇并實現“相似同簇，相異異簇”的目的。聚類集成就是將某一種或某幾種算法作為基聚類器，并分別單獨進行聚類來得到一組具有差異性的聚類結果，然后選取適當集成方案對所有基聚類結果進行合并，進而得到一個新的聚類結果。聚類自身屬于

2、無監(jiān)督的學習方法，半監(jiān)督聚類就是通過將少量的先驗知識轉化成半監(jiān)督信息并將其用來引導聚類過程，進而得到更為精確的數據對象劃分方案。半監(jiān)督聚類集成是由聚類集成技術和半監(jiān)督聚類技術進行強強聯合所得，將半監(jiān)督信息加入到聚類集成過程之中，試圖得到更準確的聚類集成結果。
　　通常聚類方法按照數據對象的劃分粒度可以分為硬聚類算法和軟聚類算法，其中硬聚類算法的最終結果為一組簇標，也就表示一個數據對象只能被分一個簇中;軟聚類算法的最終結果是一個隸屬

3、度矩陣，其表示了每一個數據對象可同時屬于多個簇以及對應的隸屬度值。目前已經有學者證明了在某些方面軟聚類比硬聚類擁有更好的結果，但是常用的集成算法均是以硬聚類結果作為輸入，那么軟聚類結果則必須通過一個特定處理后才能作為其輸入，而這將會導致部分有價值的信息流失。為了更好地解決此類問題，本文提出了一種使用軟聚類結果的集成新方法——軟投票聚類集成算法，該算法具有更好的靈活性和通用性。此外，實驗表明軟投票聚類集成算法能得到更好的聚類集成結果。