基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
经典的聚类方法通常只适用于单一特征数据,对于多特征数据,特征融合显得尤为重要.传统的多特征融合方式易造成维数灾难、尺度较小的特征被忽视等问题.对于"视图(特征)不平衡"数据,上述问题显得尤为突出.为此,提出了一种基于成对约束的多特征融合AP聚类算法.该算法用"差特征"数据聚类得到约束信息,利用"好特征"数据得到基础相似度矩阵,再利用成对约束来调整基础相似度矩阵,在新得到的相似度矩阵上进行AP聚类.该特征融合方法中,"好特征"占据主导,"差特征"只是以约束的形式发挥作用,克服了现有特征融合方法中效果差距很大的特征平起平坐的缺点.实验结果表明,相较于单视图聚类、多视图数据直接拼接后再聚类、多视图谱聚类等方法,多特征融合AP聚类算法取得了较好的性能,有效地解决了"视图(特征)不平衡"问题.
推荐文章
基于多核学习和AP聚类的图像摘要选取方法
图像摘要
相似度
特征融合
多核学习
AP聚类图像
基于多粒度粗糙集的聚类融合方法
多粒度粗糙集
聚类融合
大津算法
包含度
聚类融合方法综述
聚类融合
数据重抽样
共识函数
差异度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于AP聚类的多特征融合方法
来源期刊 计算机技术与发展 学科 工学
关键词 AP聚类 多特征融合 视图(特征)不平衡 成对约束 相似度矩阵
年,卷(期) 2019,(8) 所属期刊栏目 智能、算法、系统工程
研究方向 页码范围 47-52
页数 6页 分类号 TP391
字数 6771字 语种 中文
DOI 10.3969/j.issn.1673-629X.2019.08.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郭蕾蕾 陆军工程大学通信工程学院 5 7 2.0 2.0
2 俞璐 陆军工程大学通信工程学院 11 4 2.0 2.0
3 段国仑 陆军工程大学指挥控制工程学院 5 7 2.0 2.0
4 陶性留 陆军工程大学通信工程学院 6 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (142)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1975(2)
  • 参考文献(0)
  • 二级参考文献(2)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(11)
  • 参考文献(1)
  • 二级参考文献(10)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(6)
  • 参考文献(1)
  • 二级参考文献(5)
2017(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
AP聚类
多特征融合
视图(特征)不平衡
成对约束
相似度矩阵
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导