近年來,許多針對多視圖數(shù)據(jù)的聚類算法被提出。然而現(xiàn)有的多視圖聚類方法無論是針對完整的多視圖數(shù)據(jù)還是不完整的多視圖數(shù)據(jù)大多都認為跨視圖的樣本之間具有嚴格的一對一的匹配關(guān)系或沒有關(guān)系。在實際情況中,一個視圖的樣本可能與另一個視圖的多個樣本有對應關(guān)系,現(xiàn)有的多視圖聚類方法往往忽略了跨視圖樣本之間的這種復雜匹配關(guān)系。另一方面,實際生活中,每個視圖都可能混入部分噪聲數(shù)據(jù),影響聚類效果。因此本文針對視圖間的復雜匹配關(guān)系以及視圖數(shù)據(jù)包含噪聲的問題進行了研究。針對多視圖數(shù)據(jù)之間多對多的復雜匹配關(guān)系問題,本文提出一種新的復雜匹配多視圖聚類方法。該方法通過挖掘并利用視圖間復雜匹配關(guān)系來獲得視圖間更豐富的互補信息和一致性信息,以此得到具有高度一致性的聚類結(jié)果。具體來說,該方法首先根據(jù)視圖內(nèi)部樣本之間的近鄰關(guān)系設(shè)計衡量跨視圖樣本之間的相似性函數(shù),通過相似函數(shù)來構(gòu)建視圖間的復雜匹配關(guān)系矩陣;然后將關(guān)系矩陣應用于基于圖約束的非負矩陣分解的多視圖聚類方法中,建立視圖間的加權(quán)投影關(guān)系,指導視圖信息融合。最后我們給出所提方法的優(yōu)化求解方案。針對多視圖數(shù)據(jù)包含噪聲的問題,本文提出一種新的針對噪聲數(shù)據(jù)的多視圖三支聚類方法。借...

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 多視圖學習策略
        1.2.2 多視圖聚類方法
    1.3 論文主要工作
    1.4 論文組織結(jié)構(gòu)
第2章 理論基礎(chǔ)
    2.1 非負矩陣分解
    2.2 譜聚類
    2.3 多視圖聚類
        2.3.1 多視圖數(shù)據(jù)
        2.3.2 基于非負矩陣分解的多視圖聚類
        2.3.3 基于協(xié)同正則化的多視圖譜聚類
    2.4 三支聚類表示
    2.5 常見聚類評價指標
    2.6 本章小結(jié)
第3章 復雜匹配關(guān)系多視圖聚類
    3.1 視圖間復雜匹配關(guān)系
    3.2 構(gòu)建復雜匹配關(guān)系矩陣
    3.3 視圖信息融合
        3.3.1 CMMVC目標函數(shù)
        3.3.2 目標函數(shù)求解
    3.4 算法描述
    3.5 算法時間復雜度分析
    3.6 實驗分析
        3.6.1 數(shù)據(jù)集
        3.6.2 對比方法介紹
        3.6.3 參數(shù)學習
        3.6.4 完整多視圖數(shù)據(jù)集實驗結(jié)果
        3.6.5 不完整多視圖數(shù)據(jù)集實驗結(jié)果
        3.6.6 收斂性分析
    3.7 本章小結(jié)
第4章 針對噪聲數(shù)據(jù)的多視圖三支聚類
    4.1 算法框架概述
    4.2 視圖相似性矩陣分解
    4.3 協(xié)同正則化多視圖三支聚類過程
    4.4 實驗分析
        4.4.1 數(shù)據(jù)集
        4.4.2 對比方法
        4.4.3 實驗結(jié)果
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果



本文編號：4015309