何梦娇,杨燕,王淑营.一种基于非负矩阵分解的聚类集成算法[J].计算机科学,2017,44(9):58-61
一种基于非负矩阵分解的聚类集成算法
NMF-Based Clustering Ensemble Algorithm
投稿时间:2016-07-16  修订日期:2016-08-30
DOI:10.11896/j.issn.1002-137X.2017.09.011
中文关键词:  聚类集成,K-means,NMF,潜在信息
英文关键词:Ensemble clustering,K-means,NMF,Underlying information
基金项目:本文受国家自然科学基金项目(61572407),国家科技支撑计划课题项目(2015BAH19F02)资助
作者单位
何梦娇 西南交通大学信息科学与技术学院 成都610031 
杨燕 西南交通大学信息科学与技术学院 成都610031 
王淑营 西南交通大学信息科学与技术学院 成都610031 
摘要点击次数: 231
全文下载次数: 139
中文摘要:
      为了解决通过原始数据集获得的基聚类结果存在一定的信息丢失,从而使得集成阶段的有效信息减少的问题,提出了一种基于非负矩阵分解的K-means聚类集成算法。该算法先利用K-means聚类算法获得集成信息矩阵,然后从原始数据集获取数据相关性,将两者结合后通过非负矩阵分解(NMF)技术构建共识函数以获得最终结果。实验证明,所提算法可以有效获取原始数据的潜在信息,并提高聚类质量。
英文摘要:
      A NMF-based K-means clustering ensemble (NBKCE) algorithm was proposed for solving the problem of effective information loss in ensemble,which is caused by basic clustering results obtained from the original datasets.In NBKCE,an ensemble information matrix is built primarily by exploiting the results of the K-means,and then the relationship matrix is formed based on the original dataset.At last nonnegative matrix factorization (NMF) is employed to construct consensus function to gain the final results.The experiments demonstrate that the NBKCE may attain the underlying information effectively and improve the performance of the clustering.
查看全文  查看/发表评论  下载PDF阅读器