| 样本加权的多视图聚类算法 |
| |
| 引用本文： | 洪敏, 贾彩燕, 李亚芳, 于剑. 样本加权的多视图聚类算法[J]. 计算机研究与发展, 2019, 56(8): 1677-1685. DOI: 10.7544/issn1000-1239.2019.20190150 |
| |
| 作者姓名： | 洪敏 贾彩燕 李亚芳 于剑 |
| |
| 作者单位： | 1(交通数据分析与挖掘北京市重点实验室(北京交通大学) 北京 100044);2(北京交通大学计算机与信息技术学院 北京 100044);3(北京工业大学信息学部 北京 100124) (16120372@bjtu.edu.cn) |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项 |
| |
| 摘 要： | 大数据时代，人类收集、存储、传输、管理数据的能力日益提高，各行各业已经积累了大量的数据资源，这些数据常呈现出多源性和异构性.如何对这些多源数据进行有效的聚类(也称为多视图聚类)已成为当今机器学习研究关注的焦点之一.现有的多视图聚类算法主要从“全局”角度关注不同视图和特征对簇结构的贡献，没有考虑不同样本间存在的“局部”信息间的差异.因此，提出一种新的多视图样本加权聚类算法(sample-weighted multi-view clustering, SWMVC)，该算法对每个样本的不同视图进行加权，采用交替方向乘子法自适应学习样本权值，不仅可以学习不同样本点间不同视图权重的“局部”差异，还可以从学习到的“局部”差异反映出不同视图对簇结构贡献的“全局”差异，具有较好的灵活性.多个数据集上的实验表明：SWMVC方法在异质视图数据上具有较好的聚类效果.
|
| 关 键 词： | 数据挖掘 多视图 聚类 K-means 样本权重 |
Sample-Weighted Multi-View Clustering |
| |
| Hong Min, Jia Caiyan, Li Yafang, Yu Jian. Sample-Weighted Multi-View Clustering[J]. Journal of Computer Research and Development, 2019, 56(8): 1677-1685. DOI: 10.7544/issn1000-1239.2019.20190150 |
| |
| Authors: | Hong Min Jia Caiyan Li Yafang Yu Jian |
| |
| Affiliation: | 1(Beijing Key Laboratory of Traffic Data Analysis and Mining (Beijing Jiaotong University), Beijing 100044);2(School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044);3(Faculty of Information Technology, Beijing University of Technology, Beijing 100124) |
| |
| Abstract: | Hong Min;Jia Caiyan;Li Yafang;Yu Jian(Beijing Key Laboratory of Traffic Data Analysis and Mining (Beijing Jiaotong University), Beijing 100044;School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044;Faculty of Information Technology, Beijing University of Technology, Beijing 100124) |
| |
| Keywords: | data mining multi-view cluster K -means sample weights |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载全文 |
