【摘要】：近年來,針對大數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)算法研究變得日趨重要。在聚類領(lǐng)域,隨著多視圖數(shù)據(jù)的大量出現(xiàn),多視圖聚類已經(jīng)成為了一類重要的聚類方法。然而,大多數(shù)現(xiàn)有的多視圖聚類算法受算法參數(shù)設(shè)置、數(shù)據(jù)樣本等影響,具有聚類結(jié)果不穩(wěn)定、參數(shù)需要反復(fù)調(diào)節(jié)等缺點(diǎn)�；诙嘁晥DK-means算法和聚類集成技術(shù),提出了一種改進(jìn)的多視圖聚類集成算法,其提高了聚類的準(zhǔn)確性、魯棒性和穩(wěn)定性。其次,由于單機(jī)環(huán)境下的多視圖聚類算法難以對海量的數(shù)據(jù)進(jìn)行處理,結(jié)合分布式處理技術(shù),實(shí)現(xiàn)了一種分布式的多視圖并行聚類算法。實(shí)驗(yàn)證明,并行算法在處理大數(shù)據(jù)時(shí)的時(shí)間效率有很大提升,適合于大數(shù)據(jù)環(huán)境下的多視圖聚類分析。
[Abstract]:In recent years, the research on big data's data mining technology and machine learning algorithm has become more and more important. In the field of clustering, with the emergence of multi-view data, multi-view clustering has become an important clustering method. However, most of the existing multi-view clustering algorithms are affected by the algorithm parameters, data samples and so on. The clustering results are unstable and the parameters need to be adjusted repeatedly. Based on multi-view K-means algorithm and clustering integration technology, an improved multi-view clustering algorithm is proposed, which improves the accuracy, robustness and stability of clustering. Secondly, because the multi-view clustering algorithm in the single computer environment is difficult to process the massive data, a distributed multi-view parallel clustering algorithm is implemented in combination with the distributed processing technology. Experiments show that the time efficiency of the parallel algorithm is greatly improved when dealing with big data, and it is suitable for multi-view clustering analysis in big data environment.
【作者單位】： 西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金(61170111,61572407,61134002) 國家科技支撐計(jì)劃課題(2015BAH19F02) 四川省科技支撐計(jì)劃項(xiàng)目(2014SZ0207)資助
【分類號】：TP391.41;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 唐東明;;基于Hadoop的仿射傳播大數(shù)據(jù)聚類分析方法[J];計(jì)算機(jī)工程與應(yīng)用;2015年04期

2 魯偉明;杜晨陽;魏寶剛;沈春輝;葉振超;;基于MapReduce的分布式近鄰傳播聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2012年08期

3 趙衛(wèi)中;馬慧芳;傅燕翔;史忠植;;基于云計(jì)算平臺Hadoop的并行k-means聚類算法設(shè)計(jì)研究[J];計(jì)算機(jī)科學(xué);2011年10期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧強(qiáng);楊燕;王浩;;一種改進(jìn)的多視圖聚類集成算法[J];計(jì)算機(jī)科學(xué);2017年01期

2 董小剛;鄧長壽;袁斯昊;吳志健;張忠平;;MapReduce模型下的分布式差分進(jìn)化算法[J];小型微型計(jì)算機(jī)系統(tǒng);2016年12期

3 劉寶龍;蘇金;;雙MapReduce改進(jìn)的Canopy-Kmeans算法[J];西安工業(yè)大學(xué)學(xué)報(bào);2016年09期

4 劉澎;陸介平;;基于MapReduce的改進(jìn)k-means文本聚類算法[J];信息技術(shù);2016年11期

5 焦改英;;基于分布式算法的智能農(nóng)業(yè)檢索與管理系統(tǒng)設(shè)計(jì)[J];自動(dòng)化與儀器儀表;2016年11期

6 吳娛;鐘誠;尹夢曉;;基因表達(dá)數(shù)據(jù)的分層近鄰傳播聚類算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2016年11期

7 郭晨晨;朱紅康;;一種基于MapReduce的改進(jìn)k-means聚類算法研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2016年05期

8 王新星;;基于Spark平臺的熱點(diǎn)話題發(fā)現(xiàn)算法并行化研究[J];軟件導(dǎo)刊;2016年09期

9 卞云超;司秀麗;;基于MapReduce的新聚類算法在農(nóng)業(yè)領(lǐng)域的應(yīng)用——以柑橘紅蜘蛛圖像目標(biāo)識別為例[J];中國農(nóng)機(jī)化學(xué)報(bào);2016年09期

10 徐正國;鄭輝;賀亮;姚佳奇;;基于局部密度下降搜索的自適應(yīng)聚類方法[J];計(jì)算機(jī)研究與發(fā)展;2016年08期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 魯偉明;杜晨陽;魏寶剛;沈春輝;葉振超;;基于MapReduce的分布式近鄰傳播聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2012年08期

2 ;Optimizing radial basis function neural network based on rough sets and affinity propagation clustering algorithm[J];Journal of Zhejiang University-Science C(Computers & Electronics);2012年02期

3 宋坤;李麗娟;趙英凱;;基于PCA的仿射傳播聚類算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年34期

4 廖松博;何震瀛;;HDCH:MapReduce平臺上的音頻數(shù)據(jù)聚類系統(tǒng)[J];計(jì)算機(jī)研究與發(fā)展;2011年S3期

5 覃雄派;王會(huì)舉;杜小勇;王珊;;大數(shù)據(jù)分析——RDBMS與MapReduce的競爭與共生[J];軟件學(xué)報(bào);2012年01期

6 ;Local and global approaches of affinity propagation clustering for large scale data[J];Journal of Zhejiang University(Science A:An International Applied Physics & Engineering Journal);2008年10期

7 孫吉貴;劉杰;趙連宇;;聚類算法研究[J];軟件學(xué)報(bào);2008年01期

8 倪巍偉,陸介平,孫志揮;基于向量內(nèi)積不等式的分布式k均值聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2005年09期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 薛暉;陳松燦;劉潔;黃繼建;;基于跨視圖約束的多視圖分類方法[J];模式識別與人工智能;2014年02期

2 朱浩,尹澤勇,劉建武,陳高陽;跨企業(yè)工程更改的多視圖建模體系研究[J];工程設(shè)計(jì)學(xué)報(bào);2004年04期

3 陳平;孫立鐫;梁宗學(xué);;特征轉(zhuǎn)換在多視圖維護(hù)中的應(yīng)用[J];哈爾濱理工大學(xué)學(xué)報(bào);2006年02期

4 曲云堯;;多視圖環(huán)境[J];山東礦業(yè)學(xué)院學(xué)報(bào);1993年02期

5 劉明周;何曉軍;程曉梅;蔣增強(qiáng);安叔華;;機(jī)電項(xiàng)目管理中的多視圖及其映射方法研究[J];機(jī)械工程師;2006年09期

6 唐國興;胡建;郭魂;廖文和;;基于知識引導(dǎo)的多視圖產(chǎn)品設(shè)計(jì)檢索技術(shù)研究[J];計(jì)算機(jī)集成制造系統(tǒng);2007年07期

7 石艷玲;單文檔多視圖的多種實(shí)現(xiàn)方式[J];計(jì)算機(jī)應(yīng)用研究;1999年10期

8 武丹;王琰;祁燕;;基于DXF文件的工程圖中多視圖的視圖分離方法[J];沈陽理工大學(xué)學(xué)報(bào);2007年06期

9 舒振;劉俊先;易先清;羅雪山;;基于多視圖的復(fù)雜信息系統(tǒng)需求開發(fā)方法研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年07期

10 張巖;何曉波;管濤;;基于多視圖幾何的位置與遮擋一致性恢復(fù)方法研究[J];工程圖學(xué)學(xué)報(bào);2011年01期

相關(guān)會(huì)議論文 前3條

1 張秀芬;裴承慧;胡志勇;;在OpenGL中實(shí)現(xiàn)多視圖表示[A];第十四屆全國圖學(xué)教育研討會(huì)暨第六屆制圖CAI課件演示交流會(huì)論文集（下冊）[C];2004年

2 趙旭;劉克;吳威;;多視圖三維重建技術(shù)和不確定問題[A];第八屆中國不確定系統(tǒng)年會(huì)論文集[C];2010年

3 張巖;楊冬青;唐世渭;;Web倉儲(chǔ)中的多視圖一致性維護(hù)[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2002年

相關(guān)博士學(xué)位論文 前9條

1 楊琬琪;多視圖特征選擇與降維方法及其應(yīng)用研究[D];南京大學(xué);2015年

2 李晉;基于多視圖鑒別特征學(xué)習(xí)的分類算法[D];中國礦業(yè)大學(xué)(北京);2016年

3 錢強(qiáng);復(fù)雜場景下的多視圖學(xué)習(xí)方法研究[D];南京航空航天大學(xué);2013年

4 田文;多視圖圖像的快速三維場景重建[D];華中科技大學(xué);2010年

5 徐帆;無組織多視圖圖像的自動(dòng)化三維場景重建[D];華中科技大學(xué);2007年

6 周旭東;基于不同多視圖數(shù)據(jù)場景的典型相關(guān)分析研究和應(yīng)用[D];南京航空航天大學(xué);2013年

7 段春梅;基于多視圖的三維模型重建方法研究[D];山東大學(xué);2009年

8 陳斌;異常檢測方法及其關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2013年

9 李靜;基于多視圖的三維景物重建技術(shù)研究[D];廣東工業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 周艷杰;基于多視圖的交互式機(jī)械建模[D];鄭州大學(xué);2015年

2 洪鑫;基于多視圖哈希的圖書推薦系統(tǒng)的研究與實(shí)現(xiàn)[D];浙江大學(xué);2015年

3 龍躍;基于產(chǎn)品BOM的多視圖應(yīng)用及實(shí)現(xiàn)[D];電子科技大學(xué);2014年

4 王世佳;RF數(shù)據(jù)記錄系統(tǒng)的重放軟件設(shè)計(jì)[D];電子科技大學(xué);2014年

5 王家亮;基于片元多視圖重建在未標(biāo)定序列圖像重建上的應(yīng)用[D];東北大學(xué);2014年

6 陶萌;基于語義元的產(chǎn)品信息多視圖語義研究[D];浙江工業(yè)大學(xué);2015年

7 賈超;基于多視圖的瓦當(dāng)三維模型重建的研究與實(shí)現(xiàn)[D];西北大學(xué);2015年

8 吳珊珊;基于多視圖稀疏嵌入分析的識別算法研究[D];南京郵電大學(xué);2015年

9 高珊;基于距離度量學(xué)習(xí)和多視圖學(xué)習(xí)的服裝主觀風(fēng)格識別方法[D];浙江大學(xué);2016年

10 金登科;基于多視圖錨點(diǎn)圖哈希技術(shù)的推薦算法研究[D];浙江大學(xué);2016年

，

本文編號：2388483