摘要：首先将聚类集成问题归结为直观的最佳子空间的求解问题;随后根据线性代数理论将该问题描述为带约束条件的优化问题,通过放松离散约束条件进一步约简为矩阵低秩近似问题;最后通过求解超图的加权邻接矩阵的奇异值分解问题获得最佳子空间的一组标准正交基.据此,设计了一个基于矩阵低秩近似的算法,该算法根据每个对象在低维空间下的坐标使用K均值算法进行聚类,从而得到最终的结果.在多组基准数据集上的实验结果表明：较之于传统的聚类集成算法,本文的算法获得了更好的聚类结果,且效率较高.

关键词：无监督学习 聚类分析 聚类集成 矩阵低秩近似 

单位：盐城工学院信息工程学院; 江苏盐城224051; 哈尔滨工程大学水声技术重点实验室; 黑龙江哈尔滨150001; 江苏科技大学计算机科学与工程学院; 江苏镇江212003