面向多视角数据的极大熵聚类算法

摘要：

当前，极大熵聚类（maximum entropy clustering，MEC）在面对多视角聚类任务时，是将多视角样本合并成为一个整体样本再进行处理，然而这样会破坏各视角的独立性特征，进而影响最终的划分结果。针对该问题，首先提出多视角协同划分极大熵聚类算法（multi-view collaborative partition MEC，CoMEC），该算法加入一个协调各视角空间划分的约束项，使得每一视角在单独聚类过程中考虑到其他视角的影响；然后通过区分每个视角的重要性将CoMEC算法扩展为视角加权版本，即视角加权协同划分极大熵聚类算法（view weighted collaborative partition MEC，W-CoMEC）；最后利用几何均值的集成策略得到全局性的划分结果。在人工数据集以及UCI数据集上的实验结果均显示所提算法较之已有的聚类技术在应对多视角聚类任务时具有更好的聚类性能。

关键词：熵、多视角聚类、划分、权值、集成策略、UCI数据集

所属期刊栏目：10

分类号：TP18(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No.61170122;the New Century Excellent Tal-ent Foundation from MOE of China under Grant No. NCET-12-0882

在线出版日期：2016-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：554-564