基于系统能量理论的多目标优化聚类集成研究

摘要：

为提高聚类集成算法效率,弥补以往聚类集成算法的不足,确保多数聚类成员分簇的均匀无偏差,提出了一种新的基于聚类集成的多目标聚类分析框架,并利用系统能量理论定义了多目标聚类问题的优化目标函数.在此基础上,设计了一种启发式的K-ETMC聚类集成算法,并对Iris、Wine、Soybean三个数据集进行了快速有效的聚类分析,通过与MCLA,HGPA,CSPA三个典型聚类集成算法比较表明:该算法聚类效果较好,能够有效地改善聚类结果.

关键词：聚类、集成学习、多目标优化、系统能量理论

所属期刊栏目：47

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 71073095

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：9-11