控制与决策

作者：徐森,高婷,徐秀芳,许贺洋,郭乃瑄,卞学胜,花小朋,陈致远

单位：盐城工学院 信息工程学院,江苏 盐城 224002,,盐城工学院 信息工程学院,江苏 盐城 224002,,盐城工学院 信息工程学院,江苏 盐城 224002,,盐城工学院 信息工程学院,江苏 盐城 224002,,盐城工学院 信息工程学院,江苏 盐城 224002;计算机网络和信息集成教育部重点实验室东南大学,南京 211189,,盐城工学院 信息工程学院,江苏 盐城 224002,,盐城工学院 信息工程学院,江苏 盐城 224002,,盐城工学院 信息工程学院,江苏 盐城 224002,

关键词：聚类集成;数据挖掘;成员选择;簇加权;信息熵;共协矩阵

基金：国家自然科学基金项目(62076215,62301473)；中央高校基本科研业务费专项资金项目(K93-9-2022-03)；江苏省高等教育厅面上项目(23KJB520039)；江苏省网络与信息安全重点实验室项目(BM2003201)；江苏高校“青蓝工程”项目；盐城市基础研究计划项目(YCBK2023008)；盐城工学院研究生培养创新工程项目(SJCX23-XY060).

聚类集成算法在数据挖掘和模式识别等领域应用广泛.现有的聚类集成算法虽取得了显著的进展,但鲜有同时考虑如何处理冗余成员和关注成员内部多样性的算法.对此,设计一种簇的不确定性度量指标,并提出一种基于成员选择的簇加权聚类集成算法.首先,利用平均差异性度量和筛选聚类成员,并引入信息熵衡量簇的不确定性,给簇赋予相应的权重;其次,在基于成员选择的簇加权共协矩阵和高置信度矩阵的基础上构建增强矩阵;最后,在增强矩阵上执行层次聚类算法得到最终的聚类集成结果.采用多个UCI数据集进行实验,将所提算法与主流的聚类集成算法进行比较,实验结果表明,所提出的算法可以获得更好的聚类集成效果,且具有较高的鲁棒性和稳定性.

来源：2024年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第12期