基于多變量信息瓶頸的多特征聚類算法.pdf

1、多變量信息瓶頸(MultivariateInformationBottleneck)方法是基于信息論的一種多元數(shù)據(jù)處理方法，此方法能夠處理數(shù)據(jù)壓縮與信息保存之間的平衡，有效地發(fā)現(xiàn)數(shù)據(jù)中蘊含的多種潛在模式，解決復(fù)雜優(yōu)化問題中算法精度與效率之間的平衡問題。然而，多變量信息瓶頸方法在做數(shù)據(jù)分析時僅考慮數(shù)據(jù)的一種相關(guān)變量，忽略其它多種重要的特征信息，使抽取得到的數(shù)據(jù)模式中包含單獨特征帶來的偏見。
　　針對上述問題，本文在多變量信息瓶頸方法

2、的基礎(chǔ)上提出了一種同時處理數(shù)據(jù)多種特征的聚類算法:mf-MIB算法。該算法采用提取-合并策略，在對數(shù)據(jù)進行聚類分析的過程中能夠同時考慮多種特征信息，為多種特征處理問題提供了一種有效的解決方法。同時，mf-MIB算法能夠?qū)W習(xí)特征與對應(yīng)的視覺單詞之間的語義相關(guān)性，緩解語義鴻溝問題對聚類算法的限制。在圖像數(shù)據(jù)集和視頻數(shù)據(jù)集上的實驗結(jié)果表明:mf-MIB算法能夠有效處理數(shù)據(jù)中蘊含的多種特征信息，算法性能優(yōu)于原IB算法;相比于k-means算法、