模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2008, Vol. 21 Issue (5): 682-688    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于添加人工数据的高差异性聚类集体生成方法*
罗会兰1,孔繁胜2,李一啸2
1.江西理工大学 信息工程学院 赣州 341000
2.浙江大学 人工智能研究所 杭州 310027
Clustering Ensemble with High Diversity Based on Adding Artificial Data
LUO Hui-Lan1, KONG Fan-Sheng2, LI Yi-Xiao2
1.School of Information Engineering, Jiangxi University of Science and Technology, Ganzhou 3410002.
Institute of Artificial Intelligence, Zhejiang University, Hangzhou 310027

全文: PDF (437 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 

集体差异性被认为是集成学习中的一个关键因素.在聚类集成的研究中,生成聚类集体的方法有许多种,但就专门致力于生成高差异性聚类集体的方法研究较少.基于此,本文提出生成高差异性聚类集体的方法CEAN和ICEAN,在算法中通过引入人工数据来增加聚类集体的差异性.用实验比较了CEAN和ICEAN与文献中出现的常用聚类集体生成方法,实验表明CEAN和ICEAN确实能增加生成集体的差异性,从而在相似平均集体成员准确度情况下使得聚类集成的效果更好.

服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
罗会兰
孔繁胜
李一啸
关键词 聚类集成集体差异性人工数据    
Abstract

Ensemble diversity is considered as a key factor in ensemble learning. There are many methods for constructing clustering collection or ensemble, but a few of them focus on the production of high ensemble diversity. Two methods are proposed for generating clustering ensembles with high diversity—constructing clustering ensemble by adding noise (CEAN) and improved CEAN (ICEAN). By adding artificial data, they can obtain clustering ensembles with high diversity. Compared with other commonly used methods for generating clustering ensembles, CEAN and ICEAN increase the ensemble diversity, and thus they get better clustering integration results with the same average ensemble member accuracy.

Key wordsClustering Ensemble    Ensemble Diversity    Artificial Data   
收稿日期: 2007-07-10     
ZTFLH: TP181  
基金资助:

江西省教育厅科技资助项目(No.教技字[2007]208号,GJJ08285)

作者简介: 罗会兰,女,1974年生,博士,主要研究方向为数据挖掘与模式识别.E-mail:luohuilan@sina.com.孔繁胜,男,1946年生,教授,博士生导师,主要研究方向为知识库系统与数据挖掘等.李一啸,男,1982年生,博士研究生,主要研究方向为数据挖掘与模式识别.
引用本文:   
罗会兰,孔繁胜,李一啸. 基于添加人工数据的高差异性聚类集体生成方法*[J]. 模式识别与人工智能, 2008, 21(5): 682-688. LUO Hui-Lan, KONG Fan-Sheng, LI Yi-Xiao. Clustering Ensemble with High Diversity Based on Adding Artificial Data. , 2008, 21(5): 682-688.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2008/V21/I5/682
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn