典型文献
基于低秩约束的熵加权多视角模糊聚类算法
文献摘要：
如何有效挖掘多视角数据内部的一致性以及差异性是构建多视角模糊聚类算法的两个重要问题.本文在Co-FKM算法框架上,提出了基于低秩约束的熵加权多视角模糊聚类算法(Entropy-weighting multi-view fuzzy C-means with low rank constraint,LR-MVEWFCM).一方面,从视角之间的一致性出发,引入核范数对多个视角之间的模糊隶属度矩阵进行低秩约束;另一方面,基于香农熵理论引入视角权重自适应调整策略,使算法根据各视角的重要程度来处理视角间的差异性.本文使用交替方向乘子法(Alternating direction method of multipliers,ADMM)进行目标函数的优化.最后,人工模拟数据集和UCI(University of California Irvine)数据集上进行的实验结果验证了该方法的有效性.
文献关键词：
多视角模糊聚类;香农熵;低秩约束;核范数;交替方向乘子法
中图分类号：
作者姓名：
张嘉旭;王骏;张春香;林得富;周塔;王士同
作者机构：
江南大学数字媒体学院 无锡214122;上海大学通信与信息工程学院 上海200444;江苏科技大学电子信息学院 镇江212100
文献出处：
引用格式：
[1]张嘉旭;王骏;张春香;林得富;周塔;王士同-.基于低秩约束的熵加权多视角模糊聚类算法)[J].自动化学报,2022(07):1760-1770
A类：
多视角模糊聚类,MVEWFCM
B类：
低秩约束,模糊聚类算法,多视角数据,Co,FKM,架上,Entropy,weighting,view,fuzzy,means,low,rank,constraint,LR,核范数,模糊隶属度,香农熵,熵理论,权重自适应调整,自适应调整策略,重要程度,交替方向乘子法,Alternating,direction,method,multipliers,ADMM,人工模拟,模拟数据,UCI,University,California,Irvine
AB值：
0.351507
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
