2.2.4  其他聚类集成
    2005年,He等人[26]提出聚类划分的集成和分类数据的聚类在本质上是相同的。可以使用聚类集成对具有分类属性的数据集聚类,将分类数据聚类作为优化问题。
    2007年，Li等人[25]提出了一种基于非负矩阵分解过程的聚类集成方法。非负矩阵的分解认为给定非负矩阵的问题都可以将非负矩阵分成两个矩阵，例如M≈AB（A、B都是非负的）。这种方法把一致性聚类问题定义为中值划分问题。将原始的定义放宽为一个可以通过迭代程序解决的最优化问题。但是，这个程序只能找到问题的局部极小值，尽管乘法法则是非负矩阵分解中最普遍的方法，但是还有其他时间效率和准确性都更高的方法，如，固定点交替最小二乘法（Fixed Point Alternating Least Squares algorithms）、拟牛顿法（Quasi-Newton algorithms）等。
    2010年，Vega-Pons等人[24]提出了通过内核分区加权的共协算法 （the Weighted Partition Consensus via Kernels ，WPCK），这是一种基于内核的方法。这种算法包含了一个称为划分相关性分析的中间步骤。在这个中间步骤中，分配给每个划分 一个权重值 ，这个权重值代表了相应划分在聚类集成中的相关性。这种方法通过中值划分问题定义一致性划分。 组合聚类算法研究与实验+文献综述(4):http://www.youerw.com/jisuanji/lunwen_19631.html