熵加權(quán)多視角核k-means聚類算法的研究.pdf

1、近年來，數(shù)據(jù)的多樣性使得傳統(tǒng)的聚類算法已經(jīng)無法滿足數(shù)據(jù)分析的要求，于是人們提出了多視角聚類?，F(xiàn)有的多視角聚類技術(shù)主要分為三類，協(xié)同訓(xùn)練算法、基于多核聚類算法和基于子空間的多視角聚類算法。但是多特征數(shù)據(jù)中可能存在受噪聲干擾視角或無關(guān)視角，本文為了解決這個問題進行了相關(guān)的研究。
　　首先研究了多視角算法的收斂性。多視角聚類能從根本上改善分類和聚類的結(jié)果，但只有這些算法是收斂的才能保證其有效性。本文用Zangwill收斂性定理對多視角核

2、 k-means（MVKKM）的收斂性進行了分析。結(jié)果表明，當滿足一定的條件時，MVKKM生成的迭代序列收斂或至少存在一個子序列收斂于算法目標函數(shù)的局部極小值或鞍點。
　　其次改進多視角核k-means算法，在基于視角加權(quán)的多視角聚類中，每個視角的權(quán)重取值對聚類結(jié)果的精度有著重要的影響。針對此問題，提出熵加權(quán)多視角核 k-means（EWKKM)算法，通過給每個視角分配一個合理的權(quán)值來降低噪聲視角或無關(guān)視角對多視角聚類的影響，進而