Dong Huang, Chang-Dong Wang, Hongxing Peng, Jianhuang Lai, Chee-Keong Kwoh. Enhanced Ensemble Clustering via Fast Propagation of Cluster-wise Similarities.  IEEE Transactions on Systems, Man, and Cybernetics: Systems, accepted, 2018. (SCI-IF=5.131)

數(shù)據(jù)集成聚類(ensemble clustering)是聚類分析研究領(lǐng)域的一個(gè)熱點(diǎn)研究方向，其目標(biāo)在于融合多個(gè)基聚類結(jié)果以得到一個(gè)更優(yōu)、更魯棒的集成聚類結(jié)果。因其具有應(yīng)對(duì)數(shù)據(jù)噪聲, 找出任意聚類形狀, 構(gòu)造魯棒聚類, 以及適用于多源數(shù)據(jù)等優(yōu)勢(shì)，集成聚類研究近年來(lái)受到的關(guān)注程度不斷提高。本論文延續(xù)我們?cè)诩删垲惿系南盗醒芯抗ぷ?，提出一種基于隨機(jī)游走簇相似度傳播的集成聚類新框架，在該框架下提出兩個(gè)新的一致性函數(shù)以得到魯棒聚類結(jié)果；進(jìn)一步，在多個(gè)數(shù)據(jù)集上展開實(shí)驗(yàn)，以驗(yàn)證所提出算法相對(duì)于以往算法的聚類性能優(yōu)勢(shì)及效率優(yōu)勢(shì)。正如以往論文的作法，相關(guān)算法源代碼以及實(shí)驗(yàn)數(shù)據(jù)集將在整理之后發(fā)布以供下載。