基于链接的模糊聚类集成方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于链接的模糊聚类集成方法

杨燕, 冯晨菲, 贾真, 王红军

文章导航 > 电子科技大学学报 > 2014 > 43(6): 887-892

杨燕, 冯晨菲, 贾真, 王红军. 基于链接的模糊聚类集成方法[J]. 电子科技大学学报, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

引用本文:

杨燕, 冯晨菲, 贾真, 王红军. 基于链接的模糊聚类集成方法[J]. 电子科技大学学报, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

YANG Yan, FENG Chen-fei, JIA Zhen, WANG Hong-jun. A Link-Based Fuzzy Clustering Ensemble[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

Citation:

YANG Yan, FENG Chen-fei, JIA Zhen, WANG Hong-jun. A Link-Based Fuzzy Clustering Ensemble[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

基于链接的模糊聚类集成方法

doi: 10.3969/j.issn.1001-0548.2014.06.016

1.
西南交通大学信息科学与技术学院成都 610031

基金项目:

国家自然科学基金(61170111,61134002,61003142);四川省科技支撑计划(2014S20207)

作者简介:
杨燕(1964-),女,教授,博士生导师,主要从事数据挖掘、计算智能、集成学习方面的研究.

中图分类号: TP391

A Link-Based Fuzzy Clustering Ensemble

1.
School of Information Science and Technology,Southwest Jiaotong University Chengdu 610031

摘要: 针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。
- 聚类集成 /
- 模糊聚类 /
- 链接 /
- 潜在信息
Abstract: A link-based fuzzy cluster ensemble (LBFCE) is proposed to solve the problem that many clustering ensemble methods ignore the underlying information or acquire the underlying information by complex approaches. In the LBFCE, an ensemble information matrix is first built by primarily exploiting the results of fuzzy clustering, this matrix is then transformed into a weighted graph with data relations by appropriate link analysis, and at last a graph partitioning algorithm is employed to get the final clustering results. Experimental results show that the LBFCE algorithm may obtain the underlying information effectively and improve clustering performance.
- clustering ensemble /
- fuzzy clustering /
- link /
- underlying information

[1]	李海林, 张丽萍. 时间序列数据挖掘中的聚类研究综述 . 电子科技大学学报, 2022, 51(3): 416-424. doi: 10.12178/1001-0548.2022055
[2]	张林兵, 郭强, 吴行斌, 梁耀洲, 刘建国. 基于多维行为分析的用户聚类方法研究 . 电子科技大学学报, 2020, 49(2): 315-320. doi: 10.12178/1001-0548.2018212
[3]	钱志森, 黄瑞章, 魏琴, 秦永彬, 陈艳平. 半监督语义动态文本聚类算法 . 电子科技大学学报, 2019, 48(6): 803-808. doi: 10.3969/j.issn.1001-0548.2019.06.001
[4]	李海林, 魏苗. 自适应属性加权近邻传播聚类算法 . 电子科技大学学报, 2018, 47(2): 247-255. doi: 10.3969/j.issn.1001-0548.2018.02.014
[5]	于娟, 曹晓. 基于百科词条的本体概念聚类方法研究 . 电子科技大学学报, 2017, 46(3): 636-640. doi: 10.3969/j.issn.1001-0548.2017.03.026
[6]	陈爱国, 王玲, 任金胜, 罗光春. 基于资源分组的多约束云工作流调度算法 . 电子科技大学学报, 2017, 46(3): 562-568. doi: 10.3969/j.issn.1001-0548.2017.03.014
[7]	吴一全, 李海杰, 宋昱. 基于引导核聚类的非局部均值图像去噪算法 . 电子科技大学学报, 2016, 45(1): 36-42. doi: 10.3969/j.issn.1001-0548.2016.01.005
[8]	曾翎, 王美玲, 陈华富. 遗传模糊C-均值聚类算法应用于MRI分割 . 电子科技大学学报, 2008, 37(4): 627-629.
[9]	舒红平, 徐振明, 邹书蓉, 何嘉. 网格聚类在多雷达数据融合算法中的应用 . 电子科技大学学报, 2007, 36(6): 1253-1256.
[10]	姜斌, 潘景昌, 郭强, 衣振萍. PCA和相融性度量在聚类算法中的应用 . 电子科技大学学报, 2007, 36(6): 1292-1295.
[11]	朵春红, 王翠茹. 网格和密度的聚类算法在CRM中的应用 . 电子科技大学学报, 2007, 36(6): 1289-1291,1314.
[12]	郑晓鸣, 吕士颖, 王晓东. 免疫接种粒子群的聚类算法 . 电子科技大学学报, 2007, 36(6): 1264-1267.
[13]	祝金荣, 胡望斌. 聚类电价预测方法研究 . 电子科技大学学报, 2007, 36(6): 1278-1281.
[14]	牛强, 夏士雄, 周勇, 张磊. 改进的模糊C-均值聚类方法 . 电子科技大学学报, 2007, 36(6): 1257-1259,1272.
[15]	董韵涵, 杨万麟. 改进最优聚类中心雷达目标识别法 . 电子科技大学学报, 2006, 35(2): 183-185,192.
[16]	耿技, 印鉴. 改进的共享型最近邻居聚类算法 . 电子科技大学学报, 2006, 35(1): 70-72.
[17]	叶茂, 陈勇. 基于分布模型的层次聚类算法 . 电子科技大学学报, 2004, 33(2): 171-174.
[18]	李秀森, 韩静轩, 马力. 增长因素为聚类变量的因素分析 . 电子科技大学学报, 2002, 31(2): 204-206.
[19]	张宇, 张建州, 游志胜. 基于有效预测区域的模糊数据关联 . 电子科技大学学报, 2001, 30(6): 638-642.
[20]	谭扬波, 陈光. 一种基于最大模糊熵的高斯聚类算法 . 电子科技大学学报, 2000, 29(3): 269-272.

WeChat

点击查看大图

计量

文章访问数: 4753
HTML全文浏览量: 140
PDF下载量: 48
被引次数: 0

基于链接的模糊聚类集成方法

doi: 10.3969/j.issn.1001-0548.2014.06.016

1. 西南交通大学信息科学与技术学院成都 610031

基金项目:

国家自然科学基金(61170111,61134002,61003142);四川省科技支撑计划(2014S20207)

作者简介:
杨燕(1964-),女,教授,博士生导师,主要从事数据挖掘、计算智能、集成学习方面的研究.

收稿日期: 2013-12-02
修回日期: 2014-07-23
刊出日期: 2014-12-15

中图分类号: TP391

关键词:

摘要: 针对多数聚类集成方法忽视潜在信息或获取潜在信息方法复杂这一缺点,提出一种基于链接的模糊聚类集成方法。该算法首先利用模糊聚类算法建立集成信息矩阵,然后使用相应的链接方法将集成信息矩阵转化为反映数据相关性的权重图,最后运用图划分技术得到最终结果。实验结果表明,新提出的算法可以有效地获取潜在信息,同时提高聚类质量。

English Abstract

杨燕, 冯晨菲, 贾真, 王红军. 基于链接的模糊聚类集成方法[J]. 电子科技大学学报, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

引用本文:

杨燕, 冯晨菲, 贾真, 王红军. 基于链接的模糊聚类集成方法[J]. 电子科技大学学报, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

YANG Yan, FENG Chen-fei, JIA Zhen, WANG Hong-jun. A Link-Based Fuzzy Clustering Ensemble[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

Citation:

YANG Yan, FENG Chen-fei, JIA Zhen, WANG Hong-jun. A Link-Based Fuzzy Clustering Ensemble[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发