文本聚类集成问题中的谱算法

聚类集成中的关键问题是如何根据不同的聚类成员组合为更好的聚类结果．引入谱聚类算法解决该问题，提出了基于相似度矩阵的谱算法（ＳＭＳＡ），但该算法高昂的计算代价使其不适合大规模文本集．进一步研究了谱聚类算法的特性，对超边的相似度矩阵进行谱分析，提出了基于超边相似度矩阵的元聚类算法（ＨＳＭ-ＭＣＬＡ）．真实文本数据集的实验结果表明：ＳＭＳＡ和ＨＳＭ-ＭＣＬＡ比其他基于图划分的集成算法更优越；ＨＳＭ-ＭＣＬＡ可获得与ＳＭＳＡ相当的结果，而计算需求却明显低于ＳＭＳＡ．