基于多变量自学习与融合策略的多视图聚类算法

扫码查看

原文链接

万方数据
维普

中文摘要：随着计算机技术的迅速发展,数据来源实现了多元化,传统的单视图聚类算法已不适用于多源异构数据的处理,因而多视图聚类算法成为一个新的研究热点.虽然研究者们已提出多种多视图聚类算法,但是聚类性能的提高仍需要深入的研究与探索.基于多视图聚类的互补原则和共识原则,为提升聚类性能,如何充分提取视图间的异构与全面信息成为多视图聚类研究的关键.论文给出了一种基于多变量自学习与融合策略的多视图聚类算法(MSFC).该算法首先进行多变量的自学习,对于所有的视图,依据聚类数目和信息熵理论,获取视图内全局变量、视图内局部变量和视图间变量;之后,将全部的变量通过所提相似性度量函数进行融合;最后通过K-means算法取得最终的聚类结果.在多个数据集上进行对比实验,结果验证了该算法具有良好的聚类性能.

外文标题：Multi-view Clustering Algorithm Based on Multi-variate Self-learning and Fusion Strategy

作者：

尚晓群、杨海峰、蔡江辉

展开 >

作者单位：

太原科技大学计算机科学与技术学院太原 030024

关键词：

多变量自学习与融合策略信息熵多视图聚类

基金：

国家自然科学基金

项目编号：

U1931209

出版年：

2022

DOI：

10.3969/j.issn.1672-9722.2022.06.015

计算机与数字工程

中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD

影响因子：0.355

ISSN：1672-9722

年,卷(期)：2022.50(6)

参考文献量19