熵加權多視角核k-means聚類算法的研究.pdf

1、近年來，數據的多樣性使得傳統(tǒng)的聚類算法已經無法滿足數據分析的要求，于是人們提出了多視角聚類。現有的多視角聚類技術主要分為三類，協(xié)同訓練算法、基于多核聚類算法和基于子空間的多視角聚類算法。但是多特征數據中可能存在受噪聲干擾視角或無關視角，本文為了解決這個問題進行了相關的研究。
　　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，在基于視角加權的多視角聚類中，每個視角的權重取值對聚類結果的精度有著重要的影響。針對此問題，提出熵加權多視角核 k-means（EWKKM)算法，通過給每個視角分配一個合理的權值來降低噪聲視角或無關視角對多視角聚類的影響，進而