-
题名基于谱聚类和L_(2.1)范数的多视图聚类算法
被引量：1
- 1
-
-
作者
贺娜
马盈仓
张丹
续秋霞
-
机构
西安工程大学理学院
-
出处
《计算机与数字工程》
2021年第11期2335-2341,共7页
-
基金
国家自然科学基金项目(编号:61976130)
陕西省重点研发计划项目(编号:2018KW-021)
陕西省自然科学基金项目(编号:2020JQ-923)资助。
-
文摘
为了获得结构更加合理的相似矩阵,提出了基于谱聚类和L_(2.1)范数的多视图聚类算法。该算法首先将改进的多视图亲和矩阵利用L_(2.1)范数正则项合理地构造出相似矩阵S,使S在整体稀疏的情况下保证局部的强线性关系;然后同时进行相似矩阵的学习和谱聚类过程,将相似矩阵S和标签矩阵F交替迭代,加强数据集与降维后的F的几何结构的紧密联系;最后对所提出的算法进行了实验,结果表明该算法是有效的。
-
关键词
谱聚类
多视图聚类
相似矩阵
l_(2.1)范数
-
Keywords
spectral clustering
multi-view clustering
similarity matrix
l_(2.1)norm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于矩阵分解填充的无监督特征选择方法
- 2
-
-
作者
范林歌
武欣嵘
童玮
曾维军
-
机构
陆军工程大学
-
出处
《通信技术》
2021年第8期1853-1861,共9页
-
基金
国家自然科学基金(No.61802425)。
-
文摘
无监督特征选择(Unsupervised Feature Selection,UFS)是一种应用广泛的大数据降维技术,然而传统的无监督特征选择算法并不适用于不完整数据集。近年来研究不完整数据下无监督特征选择的关键是如何依靠不完整数据中的信息以获得特征的紧凑筛选。针对不完整数据集的信息利用不够完全以及现有方法填充不够准确的特点,提出基于矩阵分解填充的无监督特征选择方法。该方法利用所有已知信息对不完整数据集进行填充,之后利用基于l_(2.1)范数的无监督最大间隔特征选择方法进行特征选择。实验结果表明,该算法提高了聚类精度和填充效果。
-
关键词
矩阵分解
缺失值填补
无监督特征选择(UFS)
l_(2.1)范数
-
Keywords
matrix decomposition
missing value filling
unsupervised feature selection
l_(2.1)norm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
