聚类作为一种无监督学习,旨在发现一组模式、数据点或对象的自然分组。在聚类算法中,一个重要的问题是缺乏一种确定性的方法,用户可以根据该方法来决定哪种聚类方法最匹配给定的输入数据集。聚类集成作为一种知识重用,为解决聚类固有的挑战提供了一种解决方案。它试图在不访问数据原始特征的情况下,通过组合基本聚类算法得到的计算解来探索高稳定性和鲁棒性的结果。在面对聚类分析问题时,聚类集成已被证明是一种很好的选择。然而,现有的聚类方法大多对所有的样本都一视同仁,忽略了样本属于类簇的核心还是类簇的边缘,这是不合适的。在发现底层数据结构时,不同的样本扮演着不同的角色。在基聚类中,簇核心样本通常比簇边缘样本具有更一致的近邻关系,这两类样本在确定底层数据结构方面具有不同的贡献。因此,在聚类集成中,核心样本的挖掘和每个簇的核心结构对提高聚类结果起着至关重要的作用。此外,现有的加权聚类集成方法倾向于将每个基聚类视为一个个体,而忽略了同一基聚类内簇的局部多样性。如何评估簇的可靠性并利用集成中的局部多样性来提高共识性能是一个具有挑战性的问题。在此基础上,本文开展了如下的研究工作:一、本文提出了一种基于样本确定性指标和局部加权策略的聚类集成算法,该算法能够评估簇级别上的可靠性并利用集成中的局部多样性来提高共识聚类的性能。首先,我们发现样本在发掘数据底层结构时具有不同的重要性,在样本的层面上定义了样本确定性指标来衡量其在挖掘底层数据结构时的贡献,在此基础上引入了一种新的簇有效性度量,并提出一个局部加权的共协矩阵作为不同簇的集成。随着基聚类内部的局部多样性被引入到集成框架中,进一步提出了两个新的共识函数。实验结果表明,本文提出的方法优于其他主流的聚类集成算法。二、为了进一步提高算法的效率,本文提出了基于等价粒近似精度的聚类集成算法。该算法将样本划分为等价粒,通过降低数据规模来提升算法的效率,并使用一个新的模式来研究聚类集成。划分等价粒之后,聚类集成的研究也从样本层面提升到等价粒层面。我们引入粗糙集理论中的近似精度来度量等价粒在聚类时的贡献,并根据等价粒的近似精度值将等价粒分为核心等价粒和边缘等价粒。在核心等价粒上能够发掘一个清晰的簇结构,进而将边缘等价粒分配到已发现的核心结构中,以此来获得最终的聚类结果。通过可视化实验和大量的对比实验分别证明了该算法的合理性和出色的性能。综上所述,本文围绕样本在发掘底层数据结构有重要之分的思想,在不同的层面上使用不同的方法来衡量不同粒度在聚类时的重要性,并且使用不同的模式来研究聚类集成,由此提出了两种有效的聚类集成算法。