多視圖子空間聚類集成方法研究及分布式實(shí)現(xiàn).pdf

1、在現(xiàn)實(shí)社會中，許多紛繁復(fù)雜的數(shù)據(jù)都是有價(jià)值的，人們總是希望能夠從中獲取有價(jià)值的信息。而且隨著云計(jì)算、大數(shù)據(jù)等技術(shù)的深入發(fā)展，數(shù)據(jù)扮演了越來越重要的角色。面對看似雜亂的數(shù)據(jù)，通過聚類分析可以有效的將數(shù)據(jù)劃分為若干個類別，每一個類別可能真實(shí)的反映了原數(shù)據(jù)中一種類型的對象。聚類分析是機(jī)器學(xué)習(xí)領(lǐng)域一種重要的無監(jiān)督學(xué)習(xí)方法，在數(shù)據(jù)標(biāo)簽未知的情況下，將數(shù)據(jù)分類，每一個類別稱為一個簇。隨著聚類技術(shù)應(yīng)用范圍的擴(kuò)展，出現(xiàn)了針對多視圖數(shù)據(jù)聚類的需求。多視圖

2、聚類成為聚類分析的一個分支，受到許多研究者的關(guān)注。多視圖數(shù)據(jù)是一種有多個側(cè)面、多個視角的數(shù)據(jù)集，例如，不同的圖像特征可以作為圖像數(shù)據(jù)不同視圖，不同傳感器可以獲得同一數(shù)據(jù)源的不同視角數(shù)據(jù)。多視圖聚類考慮視圖間的差異性和互補(bǔ)性，最終獲得一致性劃分。
　　子空間聚類是解決高維聚類的一種方法，傳統(tǒng)子空間聚類可以分為硬子空間聚類和軟子空間聚類。在硬子空間聚類中，每個簇對應(yīng)原數(shù)據(jù)集的一個屬性子集;在軟子空間聚類中，每個簇對應(yīng)一個屬性加權(quán)后的數(shù)

3、據(jù)集。本文以軟子空間聚類算法思想為基礎(chǔ)，提出了一種基于局部自適應(yīng)屬性加權(quán)的多視圖軟子空間聚類算法。該算法是對已有LAC軟子空間聚類算法的改進(jìn)，引入了新的視圖權(quán)重向量，同時考慮到視圖屬性的差異性，為每個視圖引入了一個平衡因子，克服了高維聚類中的維度災(zāi)難。該算法具有時間復(fù)雜度低、收斂速度快的優(yōu)點(diǎn)。實(shí)驗(yàn)結(jié)果表明，本文提出的算法比其他多視圖聚類算法有更好的聚類質(zhì)量。
　　聚類集成是一種有效提高聚類魯棒性、穩(wěn)定性和聚類精度的方法。本文將聚類

4、集成應(yīng)用于多視圖聚類中，同時使用單視圖聚類算法和多視圖聚類算法產(chǎn)生差異性的聚類分量，使用基于鏈接的聚類集成方法進(jìn)行集成，提出了一種改進(jìn)的多視圖聚類集成算法。實(shí)驗(yàn)結(jié)果表明，該算法要優(yōu)于其它對比算法。
　　目前，大規(guī)模數(shù)據(jù)集越來越普遍，聚類算法的大數(shù)據(jù)處理能力也成為了衡量聚類算法性能的指標(biāo)之一。文本基于大數(shù)據(jù)處理平臺Spark，實(shí)現(xiàn)了分布式多視圖軟子空間聚類算法和分布式多視圖聚類集成算法。并在Spark集群上進(jìn)行實(shí)驗(yàn)，證明了分布式算法