智能计算机与应用
智能計算機與應用
지능계산궤여응용
Computer Study
2014年
3期
11-14,18
,共5页
聚类%多视图%K-均值%协同训练
聚類%多視圖%K-均值%協同訓練
취류%다시도%K-균치%협동훈련
近几年来,随着互联网的发展以及大数据时代的来临,具有多种表示即多视图数据越来越多,如何将传统的单一表示的数据聚类方法应用在多视图数据被广泛研究.其中传统的K-均值聚类算法因为有效性以及对于大数据的高效性而被扩展到了多视图数据领域,本文针对最近提出的一个新的多视图K-均值聚类方法,结合co-training的思想,提出了一个改进的多视图K-均值聚类算法,并在三个标准数据集上进行了实验,同时和已有的一些方法进行了比较,结果表明了算法的有效性.
近幾年來,隨著互聯網的髮展以及大數據時代的來臨,具有多種錶示即多視圖數據越來越多,如何將傳統的單一錶示的數據聚類方法應用在多視圖數據被廣汎研究.其中傳統的K-均值聚類算法因為有效性以及對于大數據的高效性而被擴展到瞭多視圖數據領域,本文針對最近提齣的一箇新的多視圖K-均值聚類方法,結閤co-training的思想,提齣瞭一箇改進的多視圖K-均值聚類算法,併在三箇標準數據集上進行瞭實驗,同時和已有的一些方法進行瞭比較,結果錶明瞭算法的有效性.
근궤년래,수착호련망적발전이급대수거시대적래림,구유다충표시즉다시도수거월래월다,여하장전통적단일표시적수거취류방법응용재다시도수거피엄범연구.기중전통적K-균치취류산법인위유효성이급대우대수거적고효성이피확전도료다시도수거영역,본문침대최근제출적일개신적다시도K-균치취류방법,결합co-training적사상,제출료일개개진적다시도K-균치취류산법,병재삼개표준수거집상진행료실험,동시화이유적일사방법진행료비교,결과표명료산법적유효성.
