大规模多视图数据的自降维K-means算法

• 作者: 曹卫东 蔡浩天
• 来源期刊: 计算机应用研究
• 关键词: 大规模数据 多视图 自降维 K-means 信息互补
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2937-2940,2975
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.06.0206

摘要

为了提升传统多视图K-means算法在高维数据中的聚类性能,提出了一种鲁棒性大规模多视图数据的自降维K-means算法RMSKMC(robust multi-view subKmeans clustering).通过寻找单个视图上的最优子空间实现高维数据的自降维,利用非负矩阵分解(NMF)对损失函数进行重构,使不同视图共享相同的聚类指示矩阵从而实现多视图信息互补,完成大规模多视图数据的聚类.实验结果表明,在大规模多视图数据集上,该算法比其他多视图聚类算法资源消耗更小,并且能够进行更为准确的聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹卫东		39	264	10.0	15.0
2	蔡浩天		1	0	0.0	0.0