毕 凯，王晓丹，邢雅琼（空军工程大学防空反导学院，陕西　西安710051）

基于改进BPSO的聚类选择性集成

毕 凯，王晓丹，邢雅琼
（空军工程大学防空反导学院，陕西西安710051）

首先针对离散二进制粒子群（binary particle swarm optimization，BPS O）容易陷入局部收敛的问题，提出一种改进的BPS O算法。在分析高斯密度函数对尺度敏感性的基础上，利用粒子群与全局最优粒子的一致性动态调节尺度参数，并利用密度函数对称区间的定积分确定全局最优粒子的变异概率。而后将聚类的选择性集成抽象为组合优化问题，利用聚类成员有效性和差异性的加权组合定义适应度并以改进BPS O的进化过程实现聚类的选择性集成。最后基于标准数据集和图像数据集验证算法的有效性。

聚类选择性集成；离散二进制粒子群；高斯密度函数；图像分割

网址：w w w.sys-ele.co m

0 引 言

聚类集成是指无监督情况下对同一数据集多种不同聚类结果的决策级融合。由于具有鲁棒性、新颖性、稳定性、并行性以及可扩展性等优点［1］，使其一经提出便受到普遍关注，已成为当前聚类研究的重要方向并成功应用于图像分 割［2］、文本分类［3］、特征提取［4］、生物工程［5］等诸多领域。

文献［6］于2002年首次提出选择性集成学习的概念，并通过理论分析和实验表明具有较好分类性能和较大差异性的基分类器更有利于构造高性能的强分类器。与有监督集成学习类似，聚类的选择性集成已被提出并广泛研究。聚类法和排序法是当前常用的两种聚类选择性集成方法［7］。……