基于多变量自学习与融合策略的多视图聚类算法
尚晓群
杨海峰
蔡江辉
太原科技大学计算机科学与技术学院 太原 030024
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.
关键词：多变量自学习与融合策略信息熵多视图聚类
分类号：TP312(计算技术、计算机技术)
资助基金：国家自然科学基金(U1931209)
论文发表日期：2022-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1229-1232,1285 )
英文信息