基于距离度量学习的半监督多视角谱聚类算法

作     者：杨金鸿 邓廷权 YANG Jinhong;DENG Tingquan

作者机构：哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001 哈尔滨工程大学理学院黑龙江哈尔滨150001 

出 版 物：《四川大学学报（工程科学版）》 (Journal of Sichuan University (Engineering Science Edition))

年 卷 期：2016年第48卷第1期

页      面：146-151页

核心收录：

学科分类：0810[工学-信息与通信工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金资助项目(11471001) 

主　　题：距离度量学习 多视角聚类 谱聚类 半监督聚类 数据挖掘 

摘      要：为了有效利用少量先验信息提高多视角数据聚类效果,提出一种基于距离度量学习的半监督多视角谱聚类算法(简称ML-SMC)。首先,利用距离度量学习引入先验信息,将多视角数据映射到反映先验约束条件的空间。然后,根据相似性构造每个视角的视图,将多视角聚类问题转化为最小正则割的图划分问题。实验结果表明,MLSMC算法聚类结果的精度优于3种经典的多视角聚类算法和4种半监督单视角聚类算法。并且通过利用少量先验信息ML-SMC算法能够有效提高聚类效果。