基于Bagging的选择性聚类集成

作者：唐伟; 周志华机器学习集成学习聚类非监督学习选择性集成

摘要：使用集成学习技术来提高聚类性能.由于聚类使用的训练样本缺乏期望输出,与监督学习下的集成相比,在对个体学习器进行结合时更加困难.通过对不同的聚类结果进行配准,并基于互信息权进行个体学习器的选择,提出了基于Bagging的选择性聚类集成算法.实验表明,该算法能够有效地改善聚类结果.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社