文件名称:
通过具有L2,1正则化的加权非负矩阵分解实现多个不完整视图聚类
开发工具:
文件大小: 464kb
下载次数: 0
上传时间: 2021-03-07
详细说明：随着技术的进步，数据通常具有多种形式或来自多种来源。 多视图聚类为从此类数据生成聚类提供了一种自然的方式。 尽管多视图聚类已经成功地应用于许多应用程序中，但是大多数以前的方法都假定每个视图的完整性（即，每个实例都出现在所有视图中）。 但是，在现实世界的应用程序中，通常有许多视图可供学习，但没有一个是完整的。 所有视图的不完整和可用视图的数量使得难以集成所有不完整的视图并获得更好的群集解决方案。 在本文中，我们提出了MIC（多不完整视图聚类）算法，该算法基于具有L2,1正则化的加权非负矩阵分解。 拟议的MIC通过学习所有视图的潜在特征矩阵并生成共识矩阵来工作，从而使每个视图与共识之间的差异最小。 与其他现有方法相比，MIC具有许多优势。 首先，MIC合并了加权非负矩阵分解，可处理每个不完整视图中的缺失实例。 其次，MIC使用了一种共归一化的方法，该方法将所有视图的学习到的潜在特征矩阵推向一个共同的共识。 通过规范化潜在特征矩阵与共识之间的分歧，可以轻松地将MIC扩展到两个以上的不完整视图。 第三，MIC将L2,1正则化合并到加权非负矩阵分解中，这使其对噪声和离群值具有鲁棒性。 第四，在M
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
