多视角模糊双加权可能性聚类算法
为解决传统可能性聚类算法(PCM)无法满足多视角学习场景聚类的实际问题,并进一步考虑到现有多视角聚类算法尚未重视的视角权重及视角内特征权重优化问题,本文提出一种新的具备最佳视角及最优特征划分能力的多视角模糊双加权可能性聚类算法(MV-FDW-PCM).该算法将基于传统的PCM算法,给出了详细的多视角聚类学习框架使得PCM算法具备多视角聚类能力,进而通过引入视角间模糊加权机制及视角内属性模糊加权机制解决视角间权重及视角内特征权重优化问题.实验结果表明,所提的MV-FDW-PCM算法在面对多视角聚类问题时较以往算法具有更佳的聚类效果.
多视角聚类、视角间模糊加权、视角内属性模糊加权、可能性聚类
12
TP181(自动化基础理论)
国家自然科学基金项目61300151,61702225;江苏省自然科学基金项目BK20160187;中央高校基本科研业务费基金项目JUSRP11737
2018-01-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
806-815