优化加权多视角K-means聚类算法

摘要：

现存的多视角聚类算法能够充分利用多个视角的信息进行聚类,因而其聚类效果较单视角聚类算法更优,但是绝大多数多视角聚类算法在聚类过程中为各个视角赋予了同等的权重值,这对于划分不明确的视角,会严重影响聚类的最终结果.目前的加权K-means聚类算法在面对多视角聚类任务时,能解决上述权重的取值分配问题,但其权重在迭代过程中会出现除以零错误,造成相关视角的丢失.针对这个问题,提出了一种优化加权多视角K-means聚类算法(MKSC).该算法给每个视角分配权重,利用加权策略有效地控制各个视角的重要程度,通过引入常数对每个视角的权重进行优化,使用K-means进行聚类.通过基于人工数据集和真实数据集的实验对该算法进行验证,实验结果表明该算法较已有的多视角聚类技术具有更好的聚类性能.

关键词：加权、优化、多视角、聚类、K-means

所属期刊栏目：29

分类号：TP181(自动化基础理论)

资助基金：河南省重点科技公关项目142102210231;广东理工学院校级项目GKJ2017016

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：81-84