WoCE：一种利用群体智慧理论进行聚类集成的框架
机器学习
2016-12-21 v1 机器学习
摘要
群体智慧 (WOC) 作为社会科学中的一种理论，在计算机科学中获得了一种新的范式。WOC 理论解释了在满足特定条件时，一个群体做出的聚合决策通常优于其个体成员的决策。本文提出了一种利用 WOC 理论进行无监督和半监督聚类集成的新颖框架。我们采用 WOC 理论中的四个条件，即多样性、独立性、去中心化和聚合，来指导聚类集成中个体聚类结果的构建和最终组合。首先，独立性准则作为一种新颖的原始数据集映射系统，在我们提出的方法中消除了特征之间的相关性。然后，去中心化作为一种新颖的机制生成了高质量的个体聚类结果。接着，均匀性作为一种新的多样性度量评估了生成的聚类结果。此外，提出了加权证据累积聚类方法用于最终聚合，无需使用阈值化过程。在多种数据集上的实验研究表明，所提出的方法取得了优于现有最先进方法的性能。
引用
@article{arxiv.1612.06598,
title = {WoCE: a framework for clustering ensemble by exploiting the wisdom of Crowds theory},
author = {Muhammad Yousefnezhad and Sheng-Jun Huang and Daoqiang Zhang},
journal= {arXiv preprint arXiv:1612.06598},
year = {2016}
}
备注
Accepted in IEEE Transactions on Cybernetics