典型文献
基于多变量自学习与融合策略的多视图聚类算法
文献摘要：
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.
文献关键词：
多变量自学习与融合策略;信息熵;多视图聚类
中图分类号：
作者姓名：
尚晓群;杨海峰;蔡江辉
作者机构：
太原科技大学计算机科学与技术学院 太原 030024
文献出处：
引用格式：
[1]尚晓群;杨海峰;蔡江辉-.基于多变量自学习与融合策略的多视图聚类算法)[J].计算机与数字工程,2022(06):1229-1232,1285
A类：
多变量自学习与融合策略,MSFC
B类：
多视图聚类,聚类算法,计算机技术,数据来源,单视图,多源异构数据,研究与探索,分提,聚类研究,聚类数,信息熵理论,全局变量,局部变量,过所,相似性度量,度量函数,means
AB值：
0.178523
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。
