聚类融合方法综述

被引：30

作者：

阳琳贇

王文渊

机构：

[1] 清华大学自动化系,清华大学自动化系北京,北京

来源：

计算机应用研究 | 2005年 / 12期

关键词：

聚类融合; 数据重抽样; 共识函数; 差异度;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在分类算法和回归模型中,正广泛而且成功地使用着融合方法,该方法能克服分类、回归中的不稳定性,并给出较好的结果。在非监督机器学习领域,由于缺乏数据集的先验知识,所以分类和回归中的融合方法就不能直接用于聚类算法,这导致了该领域中对融合方法研究的起步较晚;近几年的研究和实验表明,聚类融合方法能很好地提高聚类算法的鲁棒性和稳定性。对近年来聚类融合的方法进行了综述,阐述了近年来对聚类融合方法进行研究的主要内容与特点,并讨论了聚类融合方法的研究方向。

引用

页码：14 / 16+20

页数：4

共 3 条

[1]

Moderate diversity for better cluster ensembles[J] . Stefan T. Hadjitodorov,Ludmila I. Kuncheva,Ludmila P. Todorova.Information Fusion . 2005 (3)

[2]

Path Based Clustering for Grouping of Smooth Curves and Texture Segmentation .2 Bernd Fischer,Joachim. IEEE Trans. on Pattern Analysis and Machine Intelligence . 2003

[3]

Ensembles of Partitions via Data Resampling .2 B Minaei Bidgoli,A Topchy,W F Punch. Proceedings International Conference on Information Technology, Coding and Computing (ITCC 2004) . 2004

← 1 →