欢迎来到天天文库
浏览记录
ID:58139653
大小:361.83 KB
页数:4页
时间:2020-04-24
《基于实数值链接分析的ESSC融合算法-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第31卷第5期计算机应用研究V0l_31No.52014年5月ApplicationResearchofComputersMav2014基于实数值链接分析的ESSC融合算法王丽娟,郝志峰,蔡瑞初,温雯(1.华南理工大学计算机科学与工程学院,广州510006;2.广东工业大学计算机学院,广州510006)摘要:为了进一步提升ESSC聚类融合性能,采用实数值链接分析(realvaluedlinkanalysis)计算聚类融合中模糊数据类的相似性。根据模糊决策及其相似性定义优化的融合信息,从而达到改进聚类性能的目的。实验选用了两个仿
2、真数据库和五个UCI数据库。实验结果表明,基于实数值链接分析的ESSC聚类融合算法(RLA—ES—SCE)的性能优于K—means聚类算法(KMc)、ESSC、ESSCE。关键词:增强的软子空间聚类;聚类融合;实数值链接分析;聚类融合信息中图分类号:TP181;TP301.6文献标志码:A文章编号:1001—3695(2014)05—1366-04doi:10.3969/j.issn.1001-3695.2014.05.019Enhancedsoftsubspaceclusteringensemblebasedonrealva
3、luedlinkanalysisWANGLi-juan,HAOZhi—feng,CAIRui.chu。WENWen(1.SchoolofComputerScience&Engineering,SouthChinaUniversityofTechnology,Guangzhou510006,China;2.FacultyofComputer,GuangdongUniversityofTechnology,Guangzhou510006,China)Abstract:Inordertofurtherimprovetheperfor
4、manceofESSCE,real—valuedlinkanalysishadbeenproposedtocomputethesimilaritybetweenfuzzyclustersinESSCclusteringensemble(RIA—ESSCE).Theclusteringensembleinformationwasrefinedaccordingtofuzzydecisionanditssimilarity.Thereforetheperformanceaccordingtorefinedclusteringens
5、embleinformationhadbeenimproved.ExperimentswereconductedontwosyntheticdatasetsandfiveUCIdatasets.ExperimentalresultsshowthatRLA—ESSCEisbetterthanK—meansclustering(KMC),ESSCandESSCE.Keywords:ESSC;clusteringensemble;realvaluedlinkanalysis;clusteringensembleinformation
6、随着新型数据分析需求的不断出现,如生物信息学⋯和始化¨'”]、参数和特征子空间的影响。文献[8,15]提人类行为分析,高维数据聚类成为聚类分析的研究热点。出聚类融合解决软子空间聚类中参数选取的难题。由于基聚但是高维数据通常具有噪声、稀疏性和类存在于不同子空间的类决策来自不同的初始化、不同的参数、不同特征,聚类融合比问题j,因此高维数据聚类是聚类分析的一个难题。软子空标准聚类算法更准确、更稳定、更健壮、更有意义。因此软子空间聚类假定所有特征均参与聚类,但是对于不同数据类的贡献间聚类融合是解决高维数据聚类的一种有效方法。但是文献不
7、同J。软子空间聚类算法通过子空问权重标示不同数据[8,15]中的聚类信息直接来自于基聚类决策,仅包含了数据类的子空间,并在较大的特征值对应的子空间中寻找相应的数与类的隶属度;而忽略了不同基聚类间以及同一基聚类内部数据类。因此软子空间聚类适用于解决高维数据聚类,尤其适用据类的相似性。本文在文献[8,15]算法的基础上,提出实数值于类存在于不同子空间的问题。链接分析计算聚类融合中两两数据类的相似性,并借此优化融经典的软子空间聚类算法如EWKM和LAC算法。这合信息。文献[16,17]通过链接分析优化清晰K—means聚两种算法类似
8、,均通过类内离散度和负的加权熵形成最终的软类(K—meansclustering,KMC)的融合信息;而本文所提出实数值链接分析(1inkanalysis)用于优化ESSC生成的模糊软子空间聚子空间聚类。Enhancedsoftsubspaceclustering(ESSC)
此文档下载收益归作者所有