针对现有集成方法在处理模糊聚类时存在的不足,提出一种基于证据理论的模糊聚类集成方法.以各聚类成员作为证据元,以样本点间的类别关系作为焦元,通过证据积累构造互相关矩阵.考虑到模糊聚类对于各样本点的聚类有效性,提出一种结合点模糊度和模糊贴近度的类别关系表示方法,并以此作为各证据元的基本概率赋值函数.最后基于互相关矩阵构造样本点间相似性关系,并利用谱聚类算法对其聚类.实验中通过与多种已有聚类集成方法的对比表明,该方法具有较高的聚类性能.

针对现有集成方法在处理模糊聚类时存在的不足, 提出一种基于证据理论的模糊聚类集成方法. 以各聚类成员作为证据元, 以样本点间的类别关系作为焦元, 通过证据积累构造互相关矩阵. 考虑到模糊聚类对于各样本点的聚类有效性, 提出一种结合点模糊度和模糊贴近度的类别关系表示方法, 并以此作为各证据元的基本概率赋值函数. 最后基于互相关矩阵构造样本点间相似性关系, 并利用谱聚类算法对其聚类. 实验中通过与多种已有聚类集成方法的对比表明, 该方法具有较高的聚类性能.