Abstract

将多个聚类（划分）结果组合成一个具有更高精确度和鲁棒性的聚类结果。这篇论文其实比多视图聚类更具通用性，它这里“组合”的可以是不同的聚类算法运行之后的聚类结果，这一点与多视图聚类有很大的不同。

This paper introduces the problem of combining multiple partitionings of a set of objects into a single consolidated clustering without accessing the features or algorithms that deter- mined these partitionings.

Introduction

• ϕ(i) ：第 i 个聚类结果
• λ(i) ：第 i 个聚类结果所表示的类标指示向量，指出了每个点的类标
• Γ：是一个函数（consensus function），整合 r 个聚类结果的意见，然后得到一个一致的聚类结果（consensus labeling λ）