多视角模糊双加权可能性聚类算法

• 作者: 刘丽 朱丽 王士同 蒋亦樟
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 多视角聚类 视角间模糊加权 视角内属性模糊加权 可能性聚类
• 年，卷（期）: 2017,（6）
• 页码范围: 806-815
• 页数: 10页
• 分类号: TP181
• 字数: 5859字
• 语种: 中文
• DOI: 10.11992/tis.201703031

摘要

为解决传统可能性聚类算法(PCM)无法满足多视角学习场景聚类的实际问题,并进一步考虑到现有多视角聚类算法尚未重视的视角权重及视角内特征权重优化问题,本文提出一种新的具备最佳视角及最优特征划分能力的多视角模糊双加权可能性聚类算法(MV-FDW-PCM).该算法将基于传统的PCM算法,给出了详细的多视角聚类学习框架使得PCM算法具备多视角聚类能力,进而通过引入视角间模糊加权机制及视角内属性模糊加权机制解决视角间权重及视角内特征权重优化问题.实验结果表明,所提的MV-FDW-PCM算法在面对多视角聚类问题时较以往算法具有更佳的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	蒋亦樟	江南大学数字媒体学院	50	216	8.0	11.0
3	朱丽	江南大学数字媒体学院	5	11	2.0	3.0
4	刘丽	江苏信息职业技术学院物联网工程学院	3	3	1.0	1.0