典型文献
一种基于多视角学习的多元函数型聚类方法
文献摘要：
函数型数据多以多变量的形式出现,目前的多元函数型聚类方法常以数据贴合的方式进行处理,不能充分提取各变量的共同信息及不同变量间的互补信息.为了进一步提取各变量中蕴含的聚类特征信息,本文在多视角学习框架下讨论多元函数型数据的聚类方法:构建了一个能够将多元函数型数据生成过程和各视角数据聚类特征提取统一进行的目标函数;借助非负矩阵分解的聚类特性,提出了一个基于半非负矩阵分解的多元函数型聚类模型;给出了交替迭代更新的求解算法.模拟实验结果显示,与现有的多元函数型聚类方法相比较,该聚类方法的聚类性能显著提高;以北京市空气质量监测站点应用为例,其聚类结果表明,多视角方法在聚类精度和信息提取 方面具有优势.
文献关键词：
多元函数型数据;聚类分析;多视角学习;非负矩阵分解
中图分类号：
作者姓名：
姚晓红;高海燕;吕家奇;黄恒君
作者机构：
兰州财经大学统计学院,甘肃兰州730020;甘肃省数字经济与社会计算科学重点实验室,甘肃兰州730020
文献出处：
引用格式：
[1]姚晓红;高海燕;吕家奇;黄恒君-.一种基于多视角学习的多元函数型聚类方法)[J].数理统计与管理,2022(04):689-702
A类：
B类：
多视角学习,聚类方法,多变量,常以,贴合,分提,聚类特征,特征信息,多元函数型数据,数据生成,生成过程,数据聚类,非负矩阵分解,聚类模型,交替迭代,迭代更新,求解算法,模拟实验,空气质量监测,监测站,聚类精度,信息提取
AB值：
0.25239
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。
