论文部分内容阅读
聚类集成算法通常对聚类成员差异性要求较高，导致算法在生戍聚类成员阶段计算复杂度提高。针对该问题提出了一种基于遗传算法的聚类集成方法CEGA，不考虑聚类成员的差异性，而是利用目标函数将聚类问题转化为聚类成员的优化问题，充分利用遗传算法内在的并行性和全局寻优能力，对聚类成员进行优化组合，并以得到的最优染色体作为聚类集成最终结果。分析了CEGA的复杂度及适用范围，并利用UCI数据库中部分数据集进行实验，实验结果表明这种聚类集成方法的有效性。