5 / 2020-04-05 23:23:01

基于等价类近似精度的聚类集成算法

聚类集成，粗糙集，等价类划分，近似精度

在聚类集成中，各个类簇核心结构的挖掘至关重要，是获得较好聚类结果的前提与关键。聚类集成是在保留各基聚类一致性聚类结果的基础上来处理不一致的结果部分，而类簇核心样本相对于类簇边缘样本在基聚类中通常有着更一致的邻居关系，因而这两种样本对于数据底层结构的确定有着不同的贡献。本文基于粗糙集理论提出了一种全新的聚类集成模式：基于等价类近似精度的聚类集成算法。该算法首先定义了聚类等价关系，并依此从基聚类共协矩阵中提取出基聚类的一致性结果，将聚类集成从样本层提升至基聚类等价类层。然后使用粗糙集近似精度来量化各个等价类在发现数据底层结构时的贡献大小，将等价类分为核心等价类与边缘等价类并实施不同的类簇分配策略。4组人工数据集上的聚类实验过程展示表明了本文使用近似精度来度量各个等价类样本对于聚类的贡献的合理性，10组UCI数据集上与其他经典聚类集成算法的实验对比充分证明了本文所提出的全新聚类集成算法的卓越聚类性能。