基于隐含变量的聚类集成模型

周维周鹏成飏李志蜀王红军

四川大学;

摘要：

聚类集成能成为机器学习活跃的研究热点,是因为聚类集成能够保护私有信息、分布式处理数据和对知识进行重用,此外,噪声和孤立点对结果的影响较小.主要工作包括:第一,分析了把每一个基聚类器看成是原数据的一个属性这种处理方式的优越性,发现按此方法建立起来的聚类集成算法就具有良好的扩展性和灵活性;第二,在此基础之上,建立了latent variable cluster ensemblc(LVCE)概率模型进行聚类集成,并且给出了LVCE模型的Markov chain Monte Carlo(MCMC)算法.实验结果表明,LVCE模型的MCMC算法能够进行聚类集成并且达到良好的效果,同时可以体现数据聚类的紧密程度.

关键词：聚类集成、隐含变量、聚类集成模型、MCMC(Markov chain Monte Carlo)

所属期刊栏目：20

分类号：TP181(自动化基础理论)

资助基金：the China Scholarship Council Foundation under Grant No.2007U24068

在线出版日期：2009-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：825-833