×

基于Jaccard相似度的基础聚类成员预处理算法

消耗积分:0 | 格式:pdf | 大小:2.23 MB | 2021-04-20

分享资料个

  基础聚类成员预处理是聚类集成算法中的一个重要研究步骤。众多研究表明,基础聚类成员集合的差异性会影响聚类集成算法性能。当前聚类集成研究围绕着生成基础聚类和优化集成策略展开,而针对基础聚类成员的差异性度量及其优化的研究尚不完善。文中基于 Jaccard相似性提出一种基础聚类成员差异性度量指标,并结合三攴决策思想提岀了基础聚类成员差异性三支过滤方法。该方法首先设定基础聚类成员的三支决策的初始阂值a和β“,然后计算各个基础聚类成员的差异性度量指标,进而实施三支决策。其决策策略为:当基础聚类成员的差异性度量指标小于指定阈值α时,删除该基础聚类成员当基础聚类成员的差异性度量指标大于指定阂值β时,保留该基础聚类成员;当基础聚类成员的差异性度量指标大于α且小于β时,该基础聚类成员被归入三支决策边界域等待进一步判断。当结束一轮三支决策后,算法将重新计算三支决策阂值α和β并对上轮三支决策边界域重新进行三支决策,直至没有基础聚类成员被归入三支决策边界域或达到指定选代次数。对比实验表明基础差异性度量的基础聚类三攴过滤方法能够有效地提升聚类集成效果。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !