多视角数据聚类非负矩阵分解特征权重为了在多视角聚类过程中同时考虑特征权重和数据高维性问题,提出一种基于特征加权和非负矩阵分解的多视角聚类算法(Multiview Clustering Algorithm based on Feature Weighting and Non-negative Matrix Factorization,FWNMF-MC).FWNMF-MC算法根据每个视角中每个特征在聚类过程中的重要性,...
当前,基于协同学习机制的多视角聚类技术存在如下两点不足:第一,以往构造的用于各视角协同学习的逼近准则物理含义不明确且控制简单;第二,以往算法均默认各视角的重要性程度是相等的,缺少各视角重要性自适应调整的能力.针对上述不足:首先,基于具有良好物理解释性的Havrda-Char
基于读者行为分析和多视角聚类算法的高校图书馆用户画像研究 针对经典K-means算法在多视角聚类中存在容易陷入局部最优和受属性纲量的影响,提出了一种基于马氏距离的多视角二分K-means算法,并通过实验证明提出的算法相对经典K-... 胡云飞 - 浙江工业大学 被引量: 0发表: 2020年 基于多视角二分k-means的高校图书...
摘 要 如何有效挖掘多视角数据内部的一致性以及差异性是构建多视角模糊聚类算法的两个重要问题. 本文在Co-FKM 算法框架上, 提出了基于低秩约束的熵加权多视角模糊聚类算法(Entropy-weighting multi-view fuzzy C-means with low rank constraint, LR-MVEWFCM). 一方面, 从视角之间的一致性出发, 引入核范数...
聚类可能性C-均值鲁棒性多视角数据聚簇数目目前多数多视角聚类算法不考虑噪声问题,为了更有效地分析含有噪声数据的聚簇结构,提出了一种基于可能性C-均值的鲁棒多视角聚类(PCM-RMVC)算法,该算法同时利用多个视角空间中的特征信息,最小化每个视角空间中数据对象与聚簇中心的距离.推导出数据隶属度和每个视角权重的迭代更新...
视角聚类算法双层空间聚类优化 大连理工大学专业学位硕士学位论文-I-摘要多视角数据相对单一视角数据针对同一数据集能够提供更丰富的信息来表示其潜在结构,在聚类问题中倍受关注。多视角数据聚类的传统方法通常假设所有视角下样例都具有完整的特征集。然而,在实际应用中,经常会出现在某些视角下样例丢失特征集的情况,导致聚类...
具体研究内容如下: 1)针对基于图的多视角聚类方法计算复杂度高且没有同时利用蕴含在视角内和视角间相似信息的缺陷,提出了基于张量化二部图学习的多视角聚类模型.首先设计了一种去相关锚点选择策略,使选择的锚点可以较好地覆盖所有类且能够刻画数据固有结构.进而,设计了张量Schatten p范数低秩正则项来较好地挖掘视角间...
目前多数多视角聚类算法不考虑噪声问题,为了更有效地分析含有噪声数据的聚簇结构,提出了一种基于可能性C-均值的鲁棒多视角聚类(PCM-RMVC)算法,该算法同时利用多个视角空间中的特征信息,最小化每个视角空间中数据对象与聚簇中心的距离.推导出数据隶属度和每个视角权重的迭代更新规则,设计出聚类过程的迭代算法.实验表明:...
希望大家一键三联并在下方评论“已三连”,可以免费获得深圳杯ABCD四个题的思路指导以及数学建模指导包,各种建模算法的集合包等等优质的资源,并且A题会在后续群中更新 大聪明团队均为985硕士以上学历,现在淘宝店铺成交量上万,拥有知名CSDN博主:川川菜鸟、Keeplearner几十万粉丝的博主助阵团队,A题出品思路非常具有创新型...