數(shù)據(jù)挖掘中聚類集成與半監(jiān)督聚類研究.pdf

1、在據(jù)挖掘領(lǐng)域，聚類分析作為一種重要的方法，能夠發(fā)現(xiàn)數(shù)據(jù)對(duì)象自然的分布結(jié)構(gòu)。通過一種事先給定的相似性測度方式，所有的數(shù)據(jù)對(duì)象被分割成若干不連續(xù)的組，并保證同一組數(shù)據(jù)的相似性更大，不同組數(shù)據(jù)的相似性更小。傳統(tǒng)的聚類算法是一種無監(jiān)督方法，它按照不同的優(yōu)化準(zhǔn)則對(duì)數(shù)據(jù)進(jìn)行分割，沒有考慮用戶或真實(shí)世界提供的任何先驗(yàn)知識(shí)。盡管目前許多新型或改進(jìn)的算法被提出，但仍然難以找到一種單一的算法可以探索各種數(shù)據(jù)對(duì)象分布結(jié)構(gòu)。為了提高無監(jiān)督聚類算法的性能，聚類集

2、成技術(shù)和半監(jiān)督聚類技術(shù)應(yīng)運(yùn)而生。
　　 受分類集成技術(shù)的啟示，聚類集成作為當(dāng)今的研究熱點(diǎn)已被證明能有效地提高傳統(tǒng)聚類算法的性能。它綜合多種不同聚類算法或不同初始參數(shù)的同一聚類算法產(chǎn)生的劃分，可獲得比單一聚類算法更好的聚類結(jié)果。共識(shí)函數(shù)的設(shè)計(jì)是聚類集成最關(guān)鍵的問題，也是目前研究的重點(diǎn)。本文提出一種基于自組織特征映射(SOM)的聚類集成算法。該算法首先利用多個(gè)具有差異性的聚類成員，將原始數(shù)據(jù)集轉(zhuǎn)換成一個(gè)新的特征空間矩陣，然后計(jì)算各個(gè)

3、聚類成員的聚類綜合質(zhì)量，并將其作為新特征空間矩陣的屬性權(quán)重，最后利用SOM神經(jīng)網(wǎng)絡(luò)進(jìn)行集成，產(chǎn)生最終的共識(shí)聚類結(jié)果。實(shí)驗(yàn)結(jié)果表明，與集成前的基聚類算法和其他聚類集成算法的結(jié)果相比較，該算法能夠有效提高聚類質(zhì)量。
　　 半監(jiān)督聚類利用諸如種子集或成對(duì)約束等先驗(yàn)知識(shí)獲得更好的聚類結(jié)果。相比于無監(jiān)督聚類分析，半監(jiān)督聚類利用提供的少量監(jiān)督信息協(xié)助指導(dǎo)聚類過程。成對(duì)約束是先驗(yàn)知識(shí)中最普遍的，目前許多半監(jiān)督聚類算法都基于此類約束形式。本文對(duì)