声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1307/TP
国际刊号：1001-9081
发布日期:
作者：劳景欢, 黄栋, 王昌栋, 赖剑煌
单位：1.华南农业大学 数学与信息学院，广州 510642；2.中山大学 计算机学院，广州 510006
关键词：数据聚类,多视图聚类,互信息,集成聚类,视图加权,二部图
基金：国家自然科学基金资助项目(61976097);广东省自然科学基金资助项目(2021A1515012203)
现有的多视图聚类算法往往缺乏对各视图可靠度的评估和对视图进行加权的能力，而一些具备视图加权的多视图聚类算法则通常依赖于特定目标函数的迭代优化，其目标函数的适用性及部分敏感超参数调优的合理性均对实际应用有显著影响。针对这些问题，提出一种基于视图互信息加权的多视图集成聚类（MEC-VMIW）算法，主要过程可分为两个阶段，即视图互加权阶段与多视图集成聚类阶段。在视图互信息加权阶段，对数据集进行多次随机降采样，以降低评估加权过程的问题规模，进而构建多视图降采样聚类集合，根据不同视图的聚类结果之间的多轮互评得到视图可靠度评估，并据此对视图进行加权；在多视图集成聚类阶段，对各个视图数据构建基聚类集合，并将多个基聚类集合加权建模至二部图结构，利用高效二部图分割算法得到最终多视图聚类结果。在若干个多视图数据集上的实验结果验证了所提出的多视图集成聚类算法的鲁棒聚类性能。
来源：2023年第6期
《计算机应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。