论文部分内容阅读
聚类融合算法被认为是数据分析的有效工具之一。然而，除了研究优良的聚类融合算法，如何评价聚类的质量也被认为是难题之一。传统的外在方法使用专家评价的基准作为参照。但是实际上，这种基准不但昂贵，而且常常不容易得到。因此，一种新颖的基于实验的聚类融合算法评价方法被提出，其参照基准是基于所有聚类融合算法折衷所得出来的。基于这个方法的设计框架，实验部分使用了SLC（single-linkage clustering）和IVC（iterative voting clustering）在2个仿真和3个UCI数据集上进了评