稳健的聚类算法

Question

假设我有项目 i1, ..., iN

我想以这样的方式对它们进行聚类：

1. 如果我多次运行集群，项目 iJ 和 iK 最终位于同一集群中的概率很高。
2. 无论集群种子如何，集群的数量和集群成员都相对稳定

是否有众所周知的算法来实现这一点？

澄清：

说我想要 3 个集群，然后说：

• 在现实 1 中，我从 i1、i33、i89 作为集群 c1 c2 c3 的种子开始
• 在现实 2 中，我从 i44、i55、i77 作为集群 c1 c2 c3 的种子开始

我希望两个现实中的结果集群大致相似

Answer 1

我认为hierarchical clustering 算法将满足您的需求。

1. 保证同一集合的集群一致性，项目 iJ 和 iK 最终进入同一集群的概率为 1。
2. 没有种子。您可以通过分析树或使用现有的截断算法（有很多）来选择正确的集群数量。

[编辑]

事实上，任何deterministic 聚类算法都具有这些特征，而不仅仅是层次聚类。

Answer 2

使算法在初始化方面更健壮的常见策略是引导它。参见例如this paper。

另一种选择是预先对数据进行排序并使用严格的确定性算法。