自适应样本加权的多视图聚类算法

作     者：乔宇鑫 葛洪伟 Yuxin Qiao;Hongwei Ge;()

作者机构：江苏省模式识别与计算智能工程实验室(江南大学)无锡214122 江南大学人工智能与计算机学院无锡214122 

出 版 物：《南京大学学报（自然科学版）》 (Journal of Nanjing University（Natural Science）)

年 卷 期：2021年第57卷第4期

页      面：544-550页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61806006) 江苏省研究生创新计划(KYLX16_0781) 江苏高校优势学科建设工程。 

主　　题：多视图 聚 类 自适应 样本加权 

摘      要：将原始数据投影到一个包含几何一致性和簇分配一致性的空间,并且可以自适应学习几乎所有参数的多视图聚类算法,能够获得良好的聚类效果,但这样做没有考虑多视图中不同样本重要性不同的特点,忽视了噪声点与离群点对聚类效果造成的不利影响.针对上述问题,对样本重要性进行研究,提出一种自适应样本加权的多视图聚类算法.该算法对视图中不同的样本根据其重要性进行加权处理:首先给每个样本分配相同的权重,在之后的每次迭代中,不断进行自适应调整直至达到收敛条件.实验结果表明,该算法可以获得更好的实验效果.