聚類融合算法的實(shí)驗(yàn)評(píng)價(jià)方法.pdf

1、在數(shù)據(jù)分析中，聚類被認(rèn)為是有效的工具之一。近二十年，大量?jī)?yōu)秀的聚類算法被提出，并已經(jīng)被廣泛地應(yīng)用于數(shù)據(jù)挖掘，模式識(shí)別，機(jī)器學(xué)習(xí)，信息檢索，圖像分析，生物信息學(xué)等領(lǐng)域。不同的聚類算法在不同的領(lǐng)域具有各自的優(yōu)勢(shì)。然而，沒有任何一種聚類算法能適用于所有情況。聚類融合算法被認(rèn)為是一種集取各種聚類算法所長(zhǎng)的算法，它通過融合基聚類算法的決策，得出各基聚類算法所不能得到的決策，能夠更全面地反映數(shù)據(jù)集的內(nèi)部結(jié)構(gòu)。聚類融合算法是聚類領(lǐng)域的一個(gè)研究熱點(diǎn)，當(dāng)

2、前許多地聚類融合算法被提出。然而，除了研究?jī)?yōu)良的聚類融合算法，如何評(píng)價(jià)聚類的質(zhì)量也被認(rèn)為是難題之一。根據(jù)有無基準(zhǔn)可用，聚類的質(zhì)量評(píng)價(jià)方法分為內(nèi)在評(píng)價(jià)方法和外在評(píng)價(jià)方法。內(nèi)在評(píng)價(jià)方法不使用基準(zhǔn)，它根據(jù)聚類的定義，考察數(shù)據(jù)內(nèi)部結(jié)構(gòu)情況。內(nèi)在評(píng)價(jià)方法一般需要使用者定義數(shù)據(jù)之間的距離度量，而使用者一般缺乏這方面的知識(shí)。外在評(píng)價(jià)方法使用基準(zhǔn)，它考察聚類結(jié)果和基準(zhǔn)的相似程度。傳統(tǒng)的外在評(píng)價(jià)方法使用專家評(píng)價(jià)的基準(zhǔn)作為參照。但是實(shí)際上，這種基準(zhǔn)不但昂貴

3、，而且常常不容易得到。
　　本文提出一種不依賴專家評(píng)價(jià)基準(zhǔn)的外在評(píng)價(jià)方法。它從聚類基準(zhǔn)的模糊性出發(fā)，認(rèn)為專家評(píng)價(jià)的基準(zhǔn)只是所有不同類型的基準(zhǔn)之一，基準(zhǔn)可以基于所有參與評(píng)價(jià)的聚類融合算法的。因此，一種新穎的基于實(shí)驗(yàn)的聚類融合算法評(píng)價(jià)方法被提出，其參照基準(zhǔn)是基于所有聚類融合算法折衷所得出來的。基于這個(gè)方法的設(shè)計(jì)框架，實(shí)驗(yàn)部分使用了Single Linkage Clustering(SLC)算法， Iterative Voting Cl

4、ustering(IVC)算法和AnAlgebraic Approach to Clustering Ensemble(AA)算法，在2個(gè)仿真和3個(gè)UCI數(shù)據(jù)集上，分別對(duì)三組算法，SLC算法和IVC算法，SLC算法和AA算法，IVC算法和AA算法進(jìn)了評(píng)價(jià)對(duì)比，并將結(jié)果和傳統(tǒng)使用專家評(píng)價(jià)的基準(zhǔn)外在方法進(jìn)了比較。當(dāng)傳統(tǒng)外在評(píng)價(jià)方法認(rèn)為當(dāng)參與評(píng)價(jià)的算法是強(qiáng)聚類融合算法時(shí)，該評(píng)價(jià)方法結(jié)果與傳統(tǒng)方法的評(píng)價(jià)結(jié)果一致。由于本文的方法無需使用專家評(píng)價(jià)的