基于ECM的多视图模糊聚类算法

作     者：刘永利 常冉 LIU Yongli;CHANG Ran

作者机构：河南理工大学计算机科学与技术学院河南焦作454000 

基　　金：国家自然科学基金资助项目(61872126) 

出 版 物：《河南理工大学学报（自然科学版）》 (Journal of Henan Polytechnic University（Natural Science）)

年 卷 期：2024年第43卷第3期

页      码：154-160页

摘      要：目的传统聚类算法多属于单视图聚类的范畴,在数据结构形式日趋复杂的今天,单视图聚类越来越难以对数据集进行全面而准确的知识表达。特别地,虽然证据C-均值聚类算法的数据结构揭示能力比较突出,但是囿于单视图的算法设计,其对于数据集的综合描述能力较为薄弱。方法为解决该问题,提出一种基于证据C-均值聚类的多视图模糊聚类算法。该算法在信念函数的理论框架下形成凭证分区,然后计算各特征在不同视图下的权重,并将该权重赋予不同视角下的各个分区,从而生成最终的聚类结果。一方面扩展了硬划分、模糊划分和可能性划分的概念,可同时继承证据C-均值聚类算法和多视图模糊聚类的优点,挖掘不同视图下的有价值信息,另一方面能够根据视图重要程度自动分配权重,据此提高聚类准确率。结果为验证算法的聚类效果,在4个多视图数据集上与其他5种算法进行了对比实验,实验内容包括聚类准确率、聚类效率和参数分析3部分。实验结果表明,所提算法在准确率、F度量和标准化互信息3个量化指标上表现较好,说明在聚类准确率方面优于对比算法;在聚类效率上,除去在个别数据集上因迭代次数过多导致聚类时间略长外,总体接近于对比算法中的最优表现。结论这些表现进一步证明了所提算法在处理多视图数据集时的有效性。

主 题 词：聚类 多视图 特征 权重 准确率 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.16186/j.cnki.1673-9787.2021110037

馆 藏 号：203128124...