中文摘要：

集成（融合）决策是模式识别机器学习的一个重要研究手段，分类集成的广泛应用已经验证了通过融合可以提高识别结果的有效性。聚类也是基本的模式分析任务之一，聚类集成可以用于增强聚类结果的有效性，还可以用于很多非一般性的聚类问题。由于其研究历史比较短，许多问题尚需进一步研究。本课题对聚类集成的基本理论及其应用进行了分析，发现以下问题亟待解决（1）聚类集成的理论基础与准则函数的基本性质，（2）适用于大规模数据集的高效集成算法，（3）面向低维特定领域的聚类集成应用。课题将借鉴相关集成决策（即分类集成、排序集成以及社会选择理论）的思路与方法来研究探索聚类集成的基本理论，以此为基础设计高效的聚类集成算法，并结合领域知识、适宜的优化方法来解决视频（场景、镜头）分割、图像分割中的多方法集成。通过此课题的研究，要进一步完善聚类集成的理论基础，提高聚类集成的有效性与实用性，拓宽其在具体任务上的应用。