基于选择聚类集成的相似流形学习算法

• 作者: 张莉 李凡长 罗晓慧 高家俊
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 相似流形学习 流形学习 集成学习 维度约简
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 非经典条件下的机器学习方法专题
• 页码范围: 991-1001
• 页数: 11页
• 分类号: TP181
• 字数: 7684字
• 语种: 中文

摘要

流形学习是当今最重要的研究方向之一.约简维度的选择影响着流形学习方法的性能.当约简维度恰好是本征维度时,更容易发现原始数据的内在性质.然而,本征维度估计仍然是流形学习的一个研究难点.在此基础上,提出了一种新的无监督方法,即基于选择聚类集成的相似流形学习(SML-SCE)算法,避免了对本征维度的估计,并且性能表现良好.SML-SCE利用改进的层次平衡K-means(MBKHK)方法生成具有代表性的锚点,高效地构造相似度矩阵.随后计算得到了多个不同维度下的相似低维嵌入,这些低维嵌入是对原始数据的不同表示,而且不同低维嵌入之间的多样性有利于集成学习.因此,SML-SCE采用选择性聚类集成方法作为结合策略.对于通过K-means聚类得到的相似低维嵌入的聚类结果,采用聚类间的归一化互信息(NMI)作为权重的衡量标准.最后,舍弃权重较低的聚类,采用基于权重的选择性投票方案,得到最终的聚类结果.在多个数据集的大量实验结果表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李凡长	苏州大学计算机科学与技术学院	136	774	15.0	18.0
2	张莉	苏州大学计算机科学与技术学院	92	532	11.0	19.0
3	罗晓慧	苏州大学计算机科学与技术学院	1	0	0.0	0.0
4	高家俊	苏州大学计算机科学与技术学院	1	0	0.0	0.0