1、聚類是將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類的過(guò)程。目前，文獻(xiàn)中存在大量的聚類算法，但是每一種單一的聚類算法都存在各種不同的問(wèn)題，很難滿足實(shí)際問(wèn)題的需要。為了提高聚類算法的性能，近年來(lái)人們開(kāi)始將集成技術(shù)應(yīng)用到聚類方法中的研究工作，并且提出了一些聚類集成算法。聚類集成作為一個(gè)迅速發(fā)展的新領(lǐng)域，已成為集成學(xué)習(xí)中一個(gè)重要的研究方向。
　　 本文對(duì)基于層次聚類的簇集成方法及聚類的有效性進(jìn)行了研究。主要內(nèi)容包括以下三個(gè)方面

2、：
　　 第一在成對(duì)聚類集成方法（GPCE）基礎(chǔ)上，研究了層次聚類的簇集成方法（HCCE），給出了基于層次聚類的簇集成算法框架。實(shí)驗(yàn)中，為了研究層次聚類中的三種距離度量方法，即單連接法、全連接法和平均連接法所對(duì)應(yīng)的不同聚類融合方法的性能，使用了數(shù)據(jù)的分類信息Micro-precision 對(duì)聚類集成的結(jié)果進(jìn)行了評(píng)價(jià)。
　　 第二將穩(wěn)定性指數(shù)引入到GPCE 方法中，提出了改進(jìn)的簇集成方法（HCICE），并研究了聚類的有效性

3、，實(shí)驗(yàn)證明了用它能選擇出較好的簇?cái)?shù)，進(jìn)而得到比較好的劃分。
　　 為了體現(xiàn)HCICE 方法優(yōu)于GPCE 方法和單個(gè)聚類方法，使用了ARI（Adjusted RandIndex）和Jaccard Index 等兩種評(píng)價(jià)指標(biāo)對(duì)聚類結(jié)果進(jìn)行了評(píng)價(jià)；最后，研究并討論了聚類正確率和集成規(guī)模、簇的個(gè)數(shù)之間的關(guān)系。
　　 第三在選擇性集成的基礎(chǔ)上，提出了基于貪心選擇的簇集成方法（GSICE），同時(shí)也提出了一種新的目標(biāo)函數(shù)即Joint

4、Criterion。首先利用HCICE算法得到L個(gè)聚類結(jié)果（劃分），不用進(jìn)行集成；然后利用基于Joint Criterion的貪心選擇策略進(jìn)行選擇，得到K個(gè)聚類結(jié)果（劃分）；最后再對(duì)K個(gè)聚類結(jié)果（劃分）進(jìn)行集成。為了體現(xiàn)聚類集成選擇的性能，實(shí)驗(yàn)中對(duì)該算法進(jìn)行了研究，并與之前使用全部的聚類結(jié)果（劃分）進(jìn)行集成做了比較研究；同時(shí)分別使用ARI（Adjusted Rand Index）和Jaccard Index 等兩種評(píng)價(jià)標(biāo)準(zhǔn)對(duì)其結(jié)果進(jìn)行了