Dong Huang, Chang-Dong Wang, Hongxing Peng, Jianhuang Lai, Chee-Keong Kwoh. Enhanced Ensemble Clustering via Fast Propagation of Cluster-wise Similarities. IEEE Transactions on Systems, Man, and Cybernetics: Systems, accepted, 2018. (SCI-IF=5.131)
數(shù)據(jù)集成聚類(lèi)(ensemble clustering)是聚類(lèi)分析研究領(lǐng)域的一個(gè)熱點(diǎn)研究方向,其目標(biāo)在于融合多個(gè)基聚類(lèi)結(jié)果以得到一個(gè)更優(yōu)、更魯棒的集成聚類(lèi)結(jié)果。因其具有應(yīng)對(duì)數(shù)據(jù)噪聲, 找出任意聚類(lèi)形狀, 構(gòu)造魯棒聚類(lèi), 以及適用于多源數(shù)據(jù)等優(yōu)勢(shì),集成聚類(lèi)研究近年來(lái)受到的關(guān)注程度不斷提高。本論文延續(xù)我們?cè)诩删垲?lèi)上的系列研究工作,提出一種基于隨機(jī)游走簇相似度傳播的集成聚類(lèi)新框架,在該框架下提出兩個(gè)新的一致性函數(shù)以得到魯棒聚類(lèi)結(jié)果;進(jìn)一步,在多個(gè)數(shù)據(jù)集上展開(kāi)實(shí)驗(yàn),以驗(yàn)證所提出算法相對(duì)于以往算法的聚類(lèi)性能優(yōu)勢(shì)及效率優(yōu)勢(shì)。正如以往論文的作法,相關(guān)算法源代碼以及實(shí)驗(yàn)數(shù)據(jù)集將在整理之后發(fā)布以供下載。