一种改进的多视图聚类集成算法

• 作者: 杨燕 王浩 邓强
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 多视图聚类 聚类集成 分布式计算 并行化
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 2016第六届中国数据挖掘会议
• 页码范围: 65-70
• 页数: 6页
• 分类号: TP391
• 字数: 6234字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.01.012

摘要

近年来,针对大数据的数据挖掘技术和机器学习算法研究变得日趋重要.在聚类领域,随着多视图数据的大量出现,多视图聚类已经成为了一类重要的聚类方法.然而,大多数现有的多视图聚类算法受算法参数设置、数据样本等影响,具有聚类结果不稳定、参数需要反复调节等缺点.基于多视图K-means算法和聚类集成技术,提出了一种改进的多视图聚类集成算法,其提高了聚类的准确性、鲁棒性和稳定性.其次,由于单机环境下的多视图聚类算法难以对海量的数据进行处理,结合分布式处理技术,实现了一种分布式的多视图并行聚类算法.实验证明,并行算法在处理大数据时的时间效率有很大提升,适合于大数据环境下的多视图聚类分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨燕	西南交通大学信息科学与技术学院	97	1192	16.0	32.0
2	王浩	西南交通大学信息科学与技术学院	16	200	7.0	14.0
3	邓强	西南交通大学信息科学与技术学院	6	21	3.0	4.0