基于稀疏一致图分解的鲁棒多视图聚类算法

TP181; 由于数据形式日益复杂,陆续涌现了大量多视图聚类算法.但现有方法存在计算复杂度较高、需要额外的后续处理步骤、构造的相似图非最优等缺点.基于此,首先提出一种基于稀疏一致图分解的单视图聚类算法,然后将其扩展为多视图聚类算法,考虑不同视图对最终结果的贡献不同,对每个视图分配适当的权重,同时利用L2.1 范数,得到性能更优的一致图,在一致图基础上学习非负表示矩阵,经交替迭代得到聚类结果.最后在多个数据集上进行比较实验,验证了该算法的有效性....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	浙江大学学报（理学版） 2023-09, Vol.50 (5), p.569-579
Hauptverfasser:	耿莉, 王长鹏
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP181; 由于数据形式日益复杂,陆续涌现了大量多视图聚类算法.但现有方法存在计算复杂度较高、需要额外的后续处理步骤、构造的相似图非最优等缺点.基于此,首先提出一种基于稀疏一致图分解的单视图聚类算法,然后将其扩展为多视图聚类算法,考虑不同视图对最终结果的贡献不同,对每个视图分配适当的权重,同时利用L2.1 范数,得到性能更优的一致图,在一致图基础上学习非负表示矩阵,经交替迭代得到聚类结果.最后在多个数据集上进行比较实验,验证了该算法的有效性.
ISSN:	1008-9497
DOI:	10.3785/j.issn.1008-9497.2023.05.008