10.19678/j.issn.1000-3428.0061852
融合KL信息的多视图模糊聚类算法
现有多视图模糊C均值聚类(FCM)算法通常将一个多视图分解为多个单视图进行数据处理,导致视图数据聚类精度降低,从而影响全局数据划分结果.为实现高维数据和多视图数据的高效聚类,提出一种基于KL信息的多视图自加权模糊聚类算法.将多个视图信息及其权重进行拟合融入标准FCM算法,求解多个隶属度矩阵和质心矩阵.在此基础上,通过附加KL信息作为模糊正则项进一步修正共识隶属度矩阵并保持权重分布的平滑性,其中KL信息是视图隶属度与其共识隶属度的比值,最小化KL信息会使每个视图的隶属度偏向于共识隶属度以得到更好的聚类结果.实验结果表明,该算法相比于传统聚类算法具有更好的聚类效果和更快的收敛速度,尤其在3-Sources数据集上相比于MVASM算法的聚类精度、标准化互信息和纯度分别提升了 7.46、15.34和5.48个百分点.
多视图聚类、模糊C均值、权重、KL信息、共识隶属度矩阵
48
TP181(自动化基础理论)
国家自然科学基金;陕西省重点研发计划;陕西省自然科学基金
2022-09-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
114-121,150