聚类集成(Clustering Ensemble)是近年来数据挖掘算法的研究热点之一,它借鉴集成学习的思想,通过融合函数来集成多个不同的聚类算法或同一聚类算法在不同参数下生成的聚类结果,最终获得比单一聚类算法更稳定更有效的结果。随着信息技术的迅速发展,人们获取数据变得越来越容易,由于数据本身粗糙、模糊、不确定性的存在和人类认知层次的差异性,使得要想在结构复杂、动态递增的海量数据中寻找有用的知识信息变得更加困难。粒度计算(Granular Computing,GrC)作为信息处理的一种新的观念和计算范式,为我们处理不精确、不确定信息提供了一整套的理论、方法、技术和工具。它较好地模拟了人类在求解复杂问题时,从不同角度和不同粒层进行分析处理的能力,通过逐步尝试、由粗到细的办法,选择合适的粒度空间从而获得令人满意的解决方案。本文应用粗糙集、模糊集等主要理论模型,结合半监督学习方法,基于粒度计算的思想从多层次多角度对聚类集成算法进行优化改进。主要的研究内容包括以下几个方面:(1)针对聚类集成算法中,生成的基聚类结果存在不确定性、模糊性和重叠性,并且最终聚类结果的准确性容易受低质量基聚类成员的干扰等问题,从粒度计算的角度,提出一种基于知识粒度的聚类集成选择算法。采用粒度距离(Granular Distance)的概念度量基聚类结果间的相似性,保证基聚类结果质量的同时增大了相互之间的差异性,有利于提高最终结果的质量;在融合函数的设计上,根据知识粒度的粒度值越小,知识的分辨能力越强原理,对共联矩阵元素的生成方法进行优化改进,得到更符合现实数据结构的样本相似度度量。(2)传统的聚类集成选择算法通常把基聚类结果看作一个整体,采用评估指标或加权策略对基聚类成员进行选择,忽略了同一聚类结果中类簇之间的差异性。针对此问题,结合粗糙集理论中的不确定性度量方法,提出一种基于粗糙模糊度的双粒聚类集成算法。通过粗糙集模糊度的概念对划分结果中每个类簇的不确定性进行度量,把对类簇可靠性的评估转化成对粗糙集不确定性的度量问题。在更细的样本层面,考虑到属于同一个类簇的样本对之间的相似程度存在差异性,设计了一种样本局部相似度度量方法,最后在类簇和样本两个层面上提出一种基于全局类簇可靠性和局部样本对相似度的加权共联矩阵元素生成方法。(3)针对有的模糊聚类结果中数据归属不理想,与真实数据集的分布存在较大差异的问题,提出一种基于主动全链接相似度的模糊聚类集成算法。结合聚类有效性评价指标中的紧凑度、分离度和重叠度,设计一种改进的模糊聚类有效性指标来对模糊集聚类成员进行选择。通过计算每个数据在不同模糊聚类结果中的归属清晰度,将数据划分为清晰归属样本和模糊归属样本,针对不同清晰度样本隶属类簇的关系,对基于链接的聚类集成算法进行扩展,设计出三种不同的样本间全链接相似性度量方法,最后采用基于相似度矩阵的凝聚层次聚类算法和密度峰值聚类算法对集成成员进行融合得到最终的聚类结果。(4)结合传统的基于随机子空间的聚类集成算法,利用监督信息,设计出一种基于约束选择的加权随机子空间聚类集成算法。首先通过提出的维度相关距离(Dimension Related Distance,DRD)的概念,对成对约束信息在全空间和子空间的相似程度变化进行度量,为不同的随机子空间选择适合的约束信息来指导聚类,既能得到高质量的基聚类结果又克服了把约束信息用在基聚类生成阶段导致的过拟合问题;然后结合不同约束对的权重信息和基聚类结果质量为对应的基聚类进行加权,最后通过一致性函数得到最终的聚类结果。