面向大規(guī)模數(shù)據(jù)的多視角K-means聚類算法的研究.pdf

1、在過去的幾十年，收集了越來越多的多源數(shù)據(jù)或者多視角數(shù)據(jù)，每個視角具有不同的數(shù)據(jù)特征來表示數(shù)據(jù)。傳統(tǒng)的聚類算法在處理聚類分析問題時已經(jīng)顯示出它的不足，多視角聚類方法便應(yīng)運而生?，F(xiàn)有的多視角聚類算法分為三類，即：協(xié)同聚類算法、基于多核的聚類算法以及基于子空間的多視角聚類算法。但是，隨著數(shù)據(jù)量的爆炸式增長，越來越多的大規(guī)模多視角數(shù)據(jù)涌現(xiàn)，亟待人們?nèi)ネ诰蛱幚怼，F(xiàn)有的處理大規(guī)模數(shù)據(jù)的方法主要有四類，即：基于抽樣的方法、基于聚類特征選擇的方法、基于

2、約束信息的半監(jiān)督聚類算法和基于分布式平臺的聚類算法。這些方法都是針對大規(guī)模單視角數(shù)據(jù)的聚類算法，不能直接用來解決大規(guī)模多視角聚類的問題。本文針對多視角聚類問題面臨的這種狀況進(jìn)行了相關(guān)的研究。
　　論文的主要工作和創(chuàng)新如下：
　　1、對面向大規(guī)模數(shù)據(jù)的單視角聚類和現(xiàn)有的多視角聚類算法進(jìn)行了歸納總結(jié)，指出了其原理和適用范圍。并特別指出現(xiàn)有的多視角聚類算法在處理大規(guī)模數(shù)據(jù)方面存在的不足。
　　2、針對現(xiàn)有多視角聚類在處理大規(guī)

3、模數(shù)據(jù)方面存在的不足，提出了一種面向大規(guī)模數(shù)據(jù)的多視角 K-means聚類算法（ Multi-view K-means Clustering Algorithm on Large Data，LKMC）。該算法使用e2,1結(jié)構(gòu)化稀疏誘導(dǎo)范數(shù)對目標(biāo)函數(shù)優(yōu)化，在對數(shù)據(jù)均勻分塊的基礎(chǔ)上，對每個數(shù)據(jù)塊進(jìn)行多視角聚類，并計算其中心，然后對中心再進(jìn)行多視角聚類從而得到最終結(jié)果。該算法具有對初始點的選擇不敏感的特點且能處理大規(guī)模數(shù)據(jù)集。實驗驗證了其有效