科研之友
微信
新浪微博
Facebook
分享链接
摘要
多视图聚类是一种新颖的聚类算法，它可以有效地探索出数据之间的内在聚类结构。大多数多视图聚类算法在构造相似图时容易受到噪声的影响，而且在聚类过程中还会面临信息损失问题，从而降低聚类结果的准确性。此外，现有多视图聚类算法通常使用交替迭代优化方法获得最优解，多次迭代会导致内存溢出或耗时过长。为了解决上述问题，提出了一种基于稀疏矩阵和改进归一化切割的快速多视图聚类算法。该算法首先根据原始数据构造每个视图的相似图，并对相似图进行融合得到共识图矩阵。然后对共识图矩阵进行l1范数约束获得稀疏矩阵，实现数据降噪和加速计算。最后使用改进的归一化谱聚类算法对稀疏的共识图进行聚类得到聚类指标矩阵，这样不仅能够直接获得聚类结果，而且消除了聚类过程中的信息损失和偏差。该聚类算法无需交替迭代优化且通过稀疏矩阵表示精简计算过程，大幅降低了算法的时间和空间复杂度。人工和真实数据集上的比较实验结果表明该算法在质量和效率方面优于对比算法。
- 单位
