隨著大數(shù)據(jù)時(shí)代到來(lái),同一種數(shù)據(jù)往往能夠從多種數(shù)據(jù)源獲取,并且越來(lái)越多的特征抽取器被設(shè)計(jì),因此多視角學(xué)習(xí)受到學(xué)者們的廣泛重視。多視角聚類是聚類中的一個(gè)重要研究領(lǐng)域,充分利用多個(gè)視角之間的補(bǔ)充信息能夠提高聚類性能。本文基于多視角聚類算法展開(kāi)研究,針對(duì)現(xiàn)有多視角聚類算法中多視角特征抽取與聚類分離造成聚類性能不佳的問(wèn)題,設(shè)計(jì)基于聯(lián)合學(xué)習(xí)框架的深度多視角聚類算法,能夠有效提升多視角聚類的性能。本文的主要貢獻(xiàn)如下:第一,提出了基于顯式多視角融合的深度多視角聯(lián)合聚類模型。針對(duì)不同視角在聚類中存在重要性差異,對(duì)不同視角施加新穎的顯式多視角權(quán)重。通過(guò)構(gòu)建多視角融合輔助目標(biāo)分布與軟分配分布,能夠?qū)崿F(xiàn)多視角特征、聚類分配與顯式多視角權(quán)重的聯(lián)合學(xué)習(xí)。模型基于KL散度形式的聚類目標(biāo)與一個(gè)額外的正則化項(xiàng)進(jìn)行優(yōu)化。在手寫數(shù)字?jǐn)?shù)據(jù)集、目標(biāo)數(shù)據(jù)集與場(chǎng)景數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,提出的模型優(yōu)于現(xiàn)有的兩階段分離的多視角聚類算法與單視角聯(lián)合聚類算法。第二,提出了基于隱式多視角融合的深度多視角聯(lián)合聚類模型。針對(duì)不同視角的聚類中心存在相互關(guān)聯(lián)性,對(duì)不同視角的聚類中心施加新穎的隱式多視角權(quán)重。通過(guò)構(gòu)建多視角融合軟分配分布與輔助目標(biāo)分... 

【文章來(lái)源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１?ＤＣＣＡｌ９】結(jié)構(gòu)圖??

圖１．２?ＪＵＬＥＩ１４疏程圖??

圖２．１?ＤＥＣ算法１１３１流程圖??


本文編號(hào)：3449297