多視圖重疊聚類研究.pdf

1、“互聯(lián)網(wǎng)+”這一新生態(tài)的提出，讓數(shù)據(jù)走進了我們?nèi)粘Ｉ畹姆椒矫婷?。從這些無所不在的數(shù)據(jù)中提取出有用的信息，就是數(shù)據(jù)挖掘(Data Mining)技術(shù)的研究內(nèi)容。聚類分析是在沒有任何先驗信息的情況下，發(fā)現(xiàn)數(shù)據(jù)中潛藏的結(jié)構(gòu)或者模式的過程。隨著大數(shù)據(jù)時代的到來，聚類的研究對象——數(shù)據(jù)發(fā)生了質(zhì)和量的變化?；趯嶋H應(yīng)用的需要，聚類分析技術(shù)又有了許多新的研究方向，如聚類集成、半監(jiān)督聚類、重疊聚類、多視圖聚類等。重疊聚類是在聚類過程中允許對象劃分到多

2、個簇中，其能發(fā)現(xiàn)數(shù)據(jù)中潛藏的重疊信息，這些重疊信息通常為在實際應(yīng)用中起到橋梁或樞紐作用的關(guān)鍵點，具有較高的分析價值。多視圖數(shù)據(jù)從不同的角度或者多種不同的信息源對同一事物進行描述，構(gòu)成具有屬性分割的數(shù)據(jù)，這也正是多視圖聚類的研究對象。
　　大多數(shù)重疊聚類算法致力于研究如何發(fā)現(xiàn)重疊聚類算法，而忽略了重疊對象與其所屬的不同簇之間的相關(guān)性差異。針對這一點，本文提出了一種基于相關(guān)權(quán)重的重疊聚類算法，該算法在對數(shù)據(jù)進行多分配時，考慮對象與聚簇

3、之間的相關(guān)權(quán)重，從而提高劃分質(zhì)量。在多標簽學習、電影推薦等多個包含重疊信息的重疊數(shù)據(jù)集上的實驗表明，與其他重疊聚類算法相比，基于相關(guān)權(quán)重的重疊聚類算法具有較好的聚類效果。
　　由于有些多視圖數(shù)據(jù)也存在數(shù)據(jù)重疊，本文在基于相關(guān)權(quán)重的重疊算法的基礎(chǔ)上，提出了一種適用于多視圖數(shù)據(jù)的重疊聚類算法。多視圖數(shù)據(jù)的重疊信息可能存在于視圖內(nèi)，也可能存在于視圖之間，因此我們認為各個視圖上的聚簇結(jié)構(gòu)是有差異的。該算法將樣本損失函數(shù)和聚簇結(jié)構(gòu)損失函數(shù)之