【论文笔记】《一种改进的多视图聚类集成算法》

论文作者：邓强，杨燕，王浩

论文类型：应用型论文

论文地址：http://www.cnki.com.cn/Article/CJFDTotal-JSJA201701013.htm

论文时间：2017年

论文内容：

1. 基于多视图K-means算法和聚类集成技术，提出了一种改进的多视图聚类集成算法，其提高了聚类的准确性、鲁棒性和稳定性。
2. 结合分布式处理技术，实现了一种分布式的多视图并行聚类算法。

１ 引言

在多视图聚类中，聚类数据由多个视图构成，具有一致性和互补性的特点，所有视图共享同一标签信息。

多视图聚类就是要找到一个满足所有视图的最优划分。

聚类结果容易受到聚类参数和数据样本的影响→聚类集成。

Spark并行化提高聚类效率。

２ 基本原理

2.1 多视图 K-means聚类

输入：多视图数据集，视图权重向量

聚类目标函数（在一般的目标函数中结合了[多维]和[视图权重]），使每个视图点间距平方和最小：

设多视图数据集 X=[x1, x2,…,xm ]∈Rdv×n ,1≤v≤m,表示数据集的样本数为n,视图个数为 m,每个视图的维度是dv。ｋ等于聚类簇的个数

μji=1表示样本j属于簇i, xj(v)表示在视图v 下的样本j, ci(v) 表示在视图v下的第i个簇的聚类中心。

2.2 聚类集成

对数据进行r次聚类,得到一组聚类划分 P={π1,π2,…,πr},πi表示第i个聚类划分。则聚类集成可表示为如下形式: P={π1,π2,…,πr}→π*。

以聚类划分P作为输入,然后输出新的相似度矩阵CTS，提高集成算法准确性

３ 多视图聚类集成

 

４ 分布式多视图聚类集成算法

4.1 分布式多视图 K-means算法（DMKC）

4.2 分布式多视图聚类集成算法 (DMKCE)

５ 实验

5.1 多视图聚类集成算法对比实验

实验对比算法采用了经典聚类算法、多视图聚类算法以及多视图聚类集成算法

5.2 分布式算法性能实验

数据：不同规模大小的数据样本 

分析：执行时间、 加速比（数据不变增加计算节点）、数据伸缩率（计算节点不变增加数据）