隨著多媒體技術(shù)的發(fā)展,數(shù)據(jù)正在呈爆炸式增長(zhǎng)。在各種各樣的多媒體應(yīng)用中,很多真實(shí)世界的數(shù)據(jù)都可以被不同的視角或者表示來(lái)描述。因此,多視角學(xué)習(xí)的研究是有重要意義的,其中,多視角聚類受到了很多人的關(guān)注。由于子空間聚類的目的就是發(fā)現(xiàn)數(shù)據(jù)的潛在子空間結(jié)構(gòu),并且計(jì)算出相應(yīng)的仿射矩陣,最終對(duì)仿射矩陣執(zhí)行譜聚類算法,從而找到數(shù)據(jù)所屬的子空間,得到聚類結(jié)果。因此,本文針對(duì)完整視角和不完整視角兩種情況,分別提出了基于子空間模型的解決方案,并對(duì)這兩種方案進(jìn)行了有效地驗(yàn)證。本文的主要貢獻(xiàn)如下:（1）在完整視角的情況下,本文提出了一種基于子空間的模型。子空間聚類方法旨在發(fā)現(xiàn)數(shù)據(jù)之間潛在的子空間結(jié)構(gòu)。但是對(duì)于多視角子空間聚類而言,數(shù)據(jù)之間共享的子空間信息并沒(méi)有被充分利用。因此,在我們的方法中,一個(gè)共享的子空間被學(xué)習(xí)用來(lái)保存多個(gè)視角之間有效的一致性信息。然后,利用自適應(yīng)近鄰的屬性,一個(gè)仿射矩陣被學(xué)習(xí)用來(lái)安排每一個(gè)數(shù)據(jù)點(diǎn)所屬的最合適的類別。最后,在幾個(gè)基準(zhǔn)數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)證明提出的方法優(yōu)于其他前沿的多視角聚類算法。（2）在不完整視角的情況下,本文提出了另一種基于子空間的模型。傳統(tǒng)的多視角聚類方法都假設(shè)每一個(gè)視角有完整的... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 完整多視角聚類
        1.2.2 不完整多視角聚類
    1.3 本文工作與結(jié)構(gòu)
    1.4 本文符號(hào)概要
2 基于子空間的多視角聚類方法
    2.1 拉普拉斯矩陣和譜聚類
    2.2 子空間聚類
        2.2.1 基本原理
        2.2.2 研究現(xiàn)狀
    2.3 典型的多視角子空間聚類方法
    2.4 本章小結(jié)
3 基于完整視角的多視角子空間聚類方法
    3.1 方法核心思想
    3.2 方法建模
        3.2.1 共享子空間
        3.2.2 自適應(yīng)近鄰
        3.2.3 總體目標(biāo)函數(shù)
    3.3 模型求解
        3.3.1 優(yōu)化步驟
        3.3.2 收斂性分析
    3.4 實(shí)驗(yàn)與分析
        3.4.1 數(shù)據(jù)庫(kù)和對(duì)比方法
        3.4.2 實(shí)驗(yàn)設(shè)置
        3.4.3 結(jié)果與分析
    3.5 本章小結(jié)
4 基于不完整視角的多視角子空間聚類方法
    4.1 方法核心思想
    4.2 方法建模
        4.2.1 不完整多視角的表示學(xué)習(xí)
        4.2.2 自表示子空間學(xué)習(xí)
        4.2.3 總體目標(biāo)函數(shù)
    4.3 模型求解
        4.3.1 優(yōu)化步驟
        4.3.2 收斂性和復(fù)雜度分析
    4.4 實(shí)驗(yàn)與分析
        4.4.1 數(shù)據(jù)庫(kù)和對(duì)比方法
        4.4.2 實(shí)驗(yàn)設(shè)置
        4.4.3 結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3406894