聚類(lèi)集成算法主要由兩個(gè)步驟實(shí)現(xiàn):通過(guò)基礎(chǔ)聚類(lèi)器產(chǎn)生基礎(chǔ)聚類(lèi)成員;通過(guò)共識(shí)函數(shù)（集成策略）集成基礎(chǔ)聚類(lèi)成員。在數(shù)據(jù)處理方面,聚類(lèi)集成較傳統(tǒng)聚類(lèi)效果顯著,因此聚類(lèi)集成已經(jīng)逐漸成為無(wú)監(jiān)督學(xué)習(xí)領(lǐng)域的熱點(diǎn)研究。目前對(duì)聚類(lèi)集成的研究主要集中在集成策略上,而對(duì)基礎(chǔ)聚類(lèi)成員的度量和優(yōu)化的研究較少。本研究基于信息熵理論,提出了一種基礎(chǔ)聚類(lèi)成員的質(zhì)量度量方法。并在對(duì)基礎(chǔ)聚類(lèi)成員質(zhì)量量化的基礎(chǔ)上,提出了一種新型的聚類(lèi)集成算法框架以及三種基礎(chǔ)聚類(lèi)成員過(guò)濾算法。具體研究工作包括:（1）基于信息熵理論,使用信息熵對(duì)基礎(chǔ)聚類(lèi)中各類(lèi)簇進(jìn)行不確定性度量。結(jié)合互信息理論得出基礎(chǔ)聚類(lèi)成員相對(duì)基礎(chǔ)聚類(lèi)集合（成員集合）的平均類(lèi)簇不確定性,并定義為基礎(chǔ)聚類(lèi)成員質(zhì)量權(quán)重,記作類(lèi)簇平均熵。（2）擴(kuò)展現(xiàn)有聚類(lèi)集成的兩步算法框架,引入基礎(chǔ)聚類(lèi)預(yù)處理步驟。分別結(jié)合兩支決策（三支決策的一種特殊表達(dá)）、三支決策以及序貫三支策略進(jìn)行基礎(chǔ)聚類(lèi)預(yù)處理（進(jìn)一步篩選基礎(chǔ)聚類(lèi)）。（3）按照上述三步框架,構(gòu)建基于兩支決策的基礎(chǔ)聚類(lèi)過(guò)濾機(jī)制（2BIA）和基于三支決策的兩種基礎(chǔ)聚類(lèi)過(guò)濾機(jī)制（BCF3WD、BCFS3WD）算法模型。具體來(lái)說(shuō),在2BIA中,若基砌... 

【文章頁(yè)數(shù)】：74 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 課題研究的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 聚類(lèi)集成研究現(xiàn)狀
        1.2.2 三支決策研究現(xiàn)狀
    1.3 本文研究思路和主要貢獻(xiàn)
    1.4 論文結(jié)構(gòu)安排
第2章 相關(guān)理論介紹
    2.1 聚類(lèi)集成
        2.1.1 聚類(lèi)集成定義
        2.1.2 基礎(chǔ)聚類(lèi)生成
        2.1.3 基礎(chǔ)聚類(lèi)集成
    2.2 聚類(lèi)集成評(píng)估標(biāo)準(zhǔn)
    2.3 三支決策
        2.3.1 三支決策定義
        2.3.2 三支決策算法模型
    2.4 本章小結(jié)
第3章 基于二支增量決策的聚類(lèi)集成算法研究
    3.1 概述
    3.2 基于信息熵的基礎(chǔ)聚類(lèi)的質(zhì)量度量
    3.3 基于二支增量的基礎(chǔ)聚類(lèi)過(guò)濾算法
    3.4 定性實(shí)驗(yàn)分析
        3.4.1 實(shí)驗(yàn)準(zhǔn)備
        3.4.2 實(shí)驗(yàn)設(shè)計(jì)
        3.4.3 實(shí)驗(yàn)分析
    3.5 本章小結(jié)
第4章 基于三支決策的聚類(lèi)集成算法研究
    4.1 概述
    4.2 基于三支決策的基礎(chǔ)聚類(lèi)過(guò)濾優(yōu)化算法
    4.3 基于序貫三支決策的聚類(lèi)集成研究
    4.4 定性實(shí)驗(yàn)分析
        4.3.1 實(shí)驗(yàn)準(zhǔn)備
        4.3.2 實(shí)驗(yàn)設(shè)計(jì)
        4.3.3 實(shí)驗(yàn)分析
    4.5 本章小結(jié)
第5章 綜合實(shí)驗(yàn)與分析
    5.1 概述
    5.2 實(shí)驗(yàn)準(zhǔn)備
    5.3 實(shí)驗(yàn)設(shè)計(jì)
    5.4 實(shí)驗(yàn)分析
        5.4.1 過(guò)濾算法橫向?qū)Ρ?br>        5.4.2 聚類(lèi)集成算法對(duì)比
        5.4.3 時(shí)間消耗
    5.5 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 進(jìn)一步工作的方向
致謝
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]面向聚類(lèi)集成的基聚類(lèi)三支篩選方法[J]. 徐健鋒,鄒偉康,梁偉,程高潔,張遠(yuǎn)健.  計(jì)算機(jī)應(yīng)用. 2019(11)
[2]基于三支決策的多粒度文本情感分類(lèi)模型[J]. 張?jiān)奖?苗奪謙,張志飛.  計(jì)算機(jī)科學(xué). 2017(12)
[3]基于彎曲距離三支決策的時(shí)序相似性算法[J]. 徐健鋒,何宇凡,張遠(yuǎn)健,湯濤.  計(jì)算機(jī)科學(xué). 2017(09)
[4]基于直覺(jué)模糊集的三支決策模型[J]. 薛占熬,朱泰隆,薛天宇,劉杰,王楠.  計(jì)算機(jī)科學(xué). 2016(06)
[5]決策粗糙集理論研究現(xiàn)狀與展望[J]. 于洪,王國(guó)胤,姚一豫.  計(jì)算機(jī)學(xué)報(bào). 2015(08)
[6]基于三支決策的支持向量機(jī)增量學(xué)習(xí)方法[J]. 徐久成,劉洋洋,杜麗娜,孫林.  計(jì)算機(jī)科學(xué). 2015(06)
[7]基于三支決策的中文微博觀點(diǎn)句識(shí)別研究[J]. 田海龍,朱艷輝,梁韜,馬進(jìn),劉璟.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2014(08)
[8]決策粗糙集與代價(jià)敏感分類(lèi)[J]. 李華雄,周獻(xiàn)中,黃兵,趙佳寶.  計(jì)算機(jī)科學(xué)與探索. 2013(02)
[9]聚類(lèi)集成中的差異性度量研究[J]. 羅會(huì)蘭,孔繁勝,李一嘯.  計(jì)算機(jī)學(xué)報(bào). 2007(08)
[10]基于Bagging的選擇性聚類(lèi)集成[J]. 唐偉,周志華.  軟件學(xué)報(bào). 2005(04)

碩士論文
[1]基于三支決策理論的時(shí)間序列聚類(lèi)算法研究[D]. 何宇凡.南昌大學(xué) 2018
[2]聚類(lèi)集成算法研究[D]. 宋敬環(huán).哈爾濱工程大學(xué) 2015
[3]聚類(lèi)集成算法及應(yīng)用研究[D]. 劉秉義.南京理工大學(xué) 2012



本文編號(hào)：3660610