基于AP聚类的多特征融合方法

摘要：

经典的聚类方法通常只适用于单一特征数据,对于多特征数据,特征融合显得尤为重要.传统的多特征融合方式易造成维数灾难、尺度较小的特征被忽视等问题.对于"视图(特征)不平衡"数据,上述问题显得尤为突出.为此,提出了一种基于成对约束的多特征融合AP聚类算法.该算法用"差特征"数据聚类得到约束信息,利用"好特征"数据得到基础相似度矩阵,再利用成对约束来调整基础相似度矩阵,在新得到的相似度矩阵上进行AP聚类.该特征融合方法中,"好特征"占据主导,"差特征"只是以约束的形式发挥作用,克服了现有特征融合方法中效果差距很大的特征平起平坐的缺点.实验结果表明,相较于单视图聚类、多视图数据直接拼接后再聚类、多视图谱聚类等方法,多特征融合AP聚类算法取得了较好的性能,有效地解决了"视图(特征)不平衡"问题.

关键词：AP聚类、多特征融合、视图(特征)不平衡、成对约束、相似度矩阵

所属期刊栏目：29

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61702543,71501186;江苏省"333高层次人才培养工程"BRA2016542

在线出版日期：2019-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：47-52