基于多核學(xué)習(xí)的多視圖增量聚類模型研究.pdf

1、人們的生活包含著各式各樣的數(shù)據(jù)，許多數(shù)據(jù)中都含有很重要的信息。數(shù)據(jù)挖掘就是從海量數(shù)據(jù)中提取重要信息的一種技術(shù)。作為數(shù)據(jù)挖掘中的一個(gè)重要方法，聚類分析可以有效地將這些數(shù)據(jù)按照相似度劃分為不同的簇，可以便捷地發(fā)現(xiàn)數(shù)據(jù)對(duì)象的內(nèi)在分布規(guī)律。每個(gè)簇中的數(shù)據(jù)樣本都具有相似的信息，不同簇間的數(shù)據(jù)具有差異較大的信息。而隨著數(shù)據(jù)越來越復(fù)雜，傳統(tǒng)的聚類算法無法從多個(gè)角度對(duì)數(shù)據(jù)進(jìn)行分析，多視圖聚類算法應(yīng)運(yùn)而生，并成為了現(xiàn)階段研究的熱點(diǎn)。多視圖數(shù)據(jù)集是由從不同

2、角度描述同一事物的數(shù)據(jù)組成的，多視圖聚類算法通過組合所有視圖中的有效信息對(duì)樣本進(jìn)行聚類，并得到最終的聚類結(jié)果。
　　核函數(shù)是處理線性不可分?jǐn)?shù)據(jù)的一種有效方法，而多核學(xué)習(xí)(MKL)是對(duì)核函數(shù)的一種改進(jìn)方法，其將現(xiàn)有的核函數(shù)進(jìn)行線性組合得到組合核函數(shù)來代替單核函數(shù)，并通過調(diào)整每個(gè)核函數(shù)的權(quán)重，使其適用于不同類型的數(shù)據(jù)集。本文基于多核學(xué)習(xí)的思想，提出基于樣本加權(quán)和多核學(xué)習(xí)的多視圖聚類算法，此算法通過對(duì)不同視圖對(duì)某個(gè)樣本的貢獻(xiàn)度加權(quán)，并將

3、權(quán)重的乘積設(shè)置為1，增加貢獻(xiàn)度較高的視圖所占的比重，提高聚類質(zhì)量。本文還引入了改進(jìn)的加權(quán)高斯核，解決了核函數(shù)選擇的問題，最終通過迭代方法獲得權(quán)重值與聚類結(jié)果。通過在多個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)證明了該算法具有更高的聚類質(zhì)量。
　　增量聚類算法是一種處理動(dòng)態(tài)增加數(shù)據(jù)的經(jīng)典方法。在已有聚類結(jié)果的基礎(chǔ)上，逐個(gè)或逐批次的處理新增數(shù)據(jù)，可以避免大量的重復(fù)計(jì)算，以提高聚類效率。本文將增量聚類應(yīng)用于多視圖數(shù)據(jù)集上，提出了基于核K-means的多視圖增量