聚类有效性的组合评价方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 15-17.

聚类有效性的组合评价方法

刘燕驰1，高学东1，国宏伟2，武森1

1.北京科技大学经济管理学院，北京 100083
2.北京科技大学冶金与生态工程学院，北京 100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

Ensembling clustering validation indices

LIU Yanchi1，GAO Xuedong1，GUO Hongwei2，WU Sen1

1.School of Economics and Management，University of Science and Technology Beijing，Beijing 100083，China
2.School of Metallurgical and Ecological Engineering，University of Science and Technology Beijing，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要： 针对现有研究中给出的聚类有效性指标不能有效评价不同结构数据集的聚类结果问题，提出一种使用多个有效性指标进行聚类评价的组合方法。引入D-S（Dempster-Shafer）证据理论对多个有效性指标结果进行集成，并得到最终的聚类评价结果。仿真实验和分析验证了该方法的可行性与有效性。

关键词: 聚类评价, D-S证据理论, 有效性指标, 聚类数

Abstract: Clustering validation is a key factor to the success of clustering.One of the approaches to validate the clustering results is clustering validation index.However，there is no general index for all kinds of data structures.A Dempster-Shafer，（D-S） evidence theory based ensemble method for multiple indices is proposed recently，named D-S theory based Validation method（DSV）.Experimental results and analysis on various synthetic data sets show that DSV outperforms single clustering validation index.

Key words: clustering validation, Dempster-Shafer（D-S） evidence theory, clustering validation index, cluster number

刘燕驰1，高学东1，国宏伟2，武森1. 聚类有效性的组合评价方法[J]. 计算机工程与应用, 2011, 47(19): 15-17.

LIU Yanchi1，GAO Xuedong1，GUO Hongwei2，WU Sen1. Ensembling clustering validation indices[J]. Computer Engineering and Applications, 2011, 47(19): 15-17.

[1]	黄逸磊，夏志杰，王诣铭. 强关系型社交媒体平台不实信息传播模型研究[J]. 计算机工程与应用, 2021, 57(9): 126-133.
[2]	严加展，陈华，李阳. 改进的模糊C-均值聚类有效性指标[J]. 计算机工程与应用, 2020, 56(9): 156-161.
[3]	罗兰，肖建于. 一种有效折扣证据源的冲突证据合成方法[J]. 计算机工程与应用, 2019, 55(4): 154-158.
[4]	段锁林，杨可，毛丹，任珏朋. 基于模糊证据理论算法在火灾检测中的应用[J]. 计算机工程与应用, 2017, 53(5): 231-235.
[5]	刘永磊1，金志刚2，杜磊2. 开放接入点的安全可信接入[J]. 计算机工程与应用, 2016, 52(6): 99-101.
[6]	徐守坤，孔颖，石林，李宁. D-S证据理论和本体推理互补的活动识别方法[J]. 计算机工程与应用, 2016, 52(4): 6-12.
[7]	余小游1，曹守富1，2，陈铁军1. 基于Rough-Vague集与证据理论的态势估计方法[J]. 计算机工程与应用, 2016, 52(10): 50-54.
[8]	何云斌1，刘雪娇1，王知强2，万静1，李松1. 基于全局中心的高密度不唯一的K-means算法研究[J]. 计算机工程与应用, 2016, 52(1): 48-54.
[9]	马丽丽，张芬，陈金广. 一种基于Pignistic概率距离的合成公式[J]. 计算机工程与应用, 2015, 51(24): 61-66.
[10]	刘波1，2，3，何希平1，2，3. 基于聚类数的评分矩阵恢复算法[J]. 计算机工程与应用, 2015, 51(21): 6-11.
[11]	陈虹1，王飞1，肖振久1，2，孙丽娜1. 一种融合多源数据的网络安全态势评估模型[J]. 计算机工程与应用, 2015, 51(17): 96-101.
[12]	闫英1，袁明1，何晓兰1，锁斌2. 基于D-S证据理论的存货质押融资贷前风险评价[J]. 计算机工程与应用, 2015, 51(13): 239-244.
[13]	林海娟，陈晓云. 基于时间序列的AP-NN混合模型聚类[J]. 计算机工程与应用, 2014, 50(2): 152-155.
[14]	蒋国瑞，胡应兰. 基于D-S证据理论的多Agent辩论谈判策略研究[J]. 计算机工程与应用, 2013, 49(12): 36-40.
[15]	周绍磊1，秦亮2，史贤俊1，肖支才1. 超球SVM与证据理论在故障诊断中的应用[J]. 计算机工程与应用, 2012, 48(9): 6-8.