论文部分内容阅读
聚类集成可以有效提高传统聚类算法的精度,其关键问题在于如何根据聚类成员提供的信息获得更加优越的聚类结果。设计一种聚类集成算法,它结合K均值算法与基于拉普拉斯矩阵的谱聚类算法,充分利用聚类成员提供的属性信息与关系信息。为了降低算法计算复杂度,通过代数变换方法有效避免了大规模矩阵的特征值分解问题。在多组真实数据集上的实验结果表明,提出的算法优于其他聚类集成算法。