集成聚类之EAC算法（证据积累数据聚类）附：单连接（SL）易理解详谈

       最近要写论文涉及到聚类集成，想先从EAC做起，集成方面做得还不是很好。如果有机会的话，希望也在研究集成聚类的大佬们和我联系，一起研究探讨集成聚类这方面的知识。感谢各位！

   

       证据积累的想法是这样的：将每个聚类结果作为数据组织独立的证据，把多个聚类的结果合并到一个分区中。

 

方法为拆分合并：

（1）拆分：把大型的多维数据分成小型的球型簇。

                    使用K-Means算法执行此步骤，因为通过K的随机初始化，可以获得各种聚类结果。

（2）结合：为将不同数目的聚类分区并到一块，使用“投票法”合并聚类的结果。

         那么肯定会有这么一种可能，“自然”产生的集群可能在不同集群下的统一集群（不同的划分，做出一个邻近度矩阵）          

         在同一个集群下模式对的同时出现做一个投票标记给关联上。做一个矩阵

         N是聚类的数目，