已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、聚類分析的目是將數(shù)據(jù)自動劃分成有意義的分組。不同的聚類算法在相同的數(shù)據(jù)集上運行會得到不同的結(jié)果,沒有一種單獨的聚類算法能夠在所有的數(shù)據(jù)集上找到最好的劃分。聚類集成的出現(xiàn)很好的解決了上述題。
聚類集成由兩個階段組成:生成有差異的聚類成員,利用一致性集成獲取最終聚類結(jié)果。通過設置單個聚類算法的不同參數(shù),采用數(shù)據(jù)子集或者數(shù)據(jù)的子空間產(chǎn)生聚類成員。一致性集成則是將多個聚類成員生成的結(jié)果轉(zhuǎn)換成共協(xié)矩陣或簇關聯(lián)矩陣,最后利用層次聚類,超圖
2、劃分等方法來獲取最終聚類結(jié)果。
首先本文利用自編碼器和 ClusterDP算法產(chǎn)生聚類成員,使用 WOMC算法對聚類成員進行集成,得到 EClusterDP算法。在投票法中使用聚類成員的權重信息相對比較容易,但是這類算法都嚴格限制聚類成員產(chǎn)生數(shù)目相同的簇,這將導致生成的互信息矩陣中元素差異較小,進而使得聚類成員的權重比較接近影響加權效果,本文基于不限制聚類成員生成相同簇數(shù)量的算法LCE,利用抽樣的方法將聚類成員的權重引入LCE
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 數(shù)據(jù)挖掘中模糊聚類與聚類集成研究.pdf
- 改進的譜聚類集成算法研究與應用.pdf
- XML聚類集成研究.pdf
- 數(shù)據(jù)挖掘中聚類集成與半監(jiān)督聚類研究.pdf
- 聚類集成算法及應用研究.pdf
- 聚類算法及基于簇模式聚類集成研究.pdf
- 聚類集成算法研究.pdf
- 半監(jiān)督聚類集成研究.pdf
- 聚類集成優(yōu)化方法研究.pdf
- 異構(gòu)數(shù)據(jù)源集成及聚類挖掘的研究與應用.pdf
- 半監(jiān)督聚類集成模型研究.pdf
- 半監(jiān)督聚類集成理論與技術研究.pdf
- 半監(jiān)督聚類集成方法及其應用研究.pdf
- 基于密度的聚類集成.pdf
- 聚類評價的研究與應用.pdf
- 聚類集成關鍵技術研究.pdf
- 基于Spark的聚類集成系統(tǒng)研究與設計.pdf
- XML文檔聚類研究與應用.pdf
- 聚類算法的研究與應用.pdf
- 基于層次聚類的集成學習方法及應用研究.pdf
評論
0/150
提交評論