Comparison of clustering accuracy in ensemble approach based on co-occurence data

Abstract

Podejście wielomodelowe dotychczas z dużym powodzeniem stosowane było w klasyfika- cji i regresji w celu podniesienia dokładności predykcji. W ostatnich latach analogiczne propozy- cje pojawiły się także w taksonomii, a liczne badania wykazały, że agregacja różniących się między sobą wyników wielokrotnego grupowania, pozwala na poprawę dokładności klasyfikacji. W badaniu uwaga została skupiona na pozyskaniu dodatkowej informacji dostarczanej przez zbiór wyników wielokrotnie dokonanej klasyfikacji w celu konstrukcji tzw. macierzy współwystąpień. Biorąc pod uwagę jednoczesne wystąpienie pary obiektów w tej samej klasie jako wskazówkę istnienia związku między nimi, pierwotny zbiór obserwacji przekształcany jest w n × n – wymiarową macierz, która opisuje podobieństwo między obiektami. Ostateczne grupowanie dokonywane jest na podstawie uzyskanej macierzy współwystąpień. Celem referatu jest porównanie dokładności rozpoznawania poprawnej struktury klas za- proponowanego podejścia wielomodelowego z zastosowaniem różnych algorytmów taksonomicz- nych do konstrukcji macierzy współwystąpień oraz jej późniejszego podziału na klas