多视图聚类算法研究
【学位单位】:西安电子科技大学
【学位级别】:博士
【学位年份】:2018
【中图分类】:TP181
【文章目录】:
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景
1.2 研究现状
1.2.1 现有的多视图聚类算法
1.3 研究内容
1.3.1 考虑视图相关性的多视图聚类算法
1.3.2 最优邻居核聚类算法
1.3.3 具有缺失视图的多视图聚类算法
1.3.4 具有矩阵范数正则化的局部多核聚类算法
第二章 矩阵范数导出正则化的多视图聚类算法
2.1 简介
2.2 相关工作
2.2.1 核k-means聚类(KKM)
2.2.2 多核k-means聚类(MKKM)
2.3 带有矩阵范数导出正则化的MKKM聚类
2.3.1 算法公式化描述
2.3.2 交替优化
2.3.3 讨论与扩展
2.4 实验结果
2.4.1 数据集
2.4.2 比较的相关算法
2.4.3 实验设置
2.4.4 实验结果
2.4.5 参数和收敛性分析
2.5 结论
第三章 基于最优邻居核的多视图聚类算法
3.1 引言
3.2 相关工作
3.2.1 多核k-均值聚类(MKKM)
3.2.2 矩阵导出正则化MKKM(MKKM-MR)
3.3 本文提出的最优邻居多核聚类算法
3.3.1 我们的算法
3.3.2 交替优化
3.3.3 讨论和扩展
3.4 实验
3.4.1 数据集
3.4.2 参与对比的算法
3.4.3 实验设置
3.4.4 实验结果
3.4.5 参数选择与收敛
3.5 结论
第四章 缺失多视图聚类算法
4.1 简介
4.2 相关工作
4.2.1 核k-均值聚类
4.2.2 多核k-均值聚类
4.3 我们提出的算法
4.3.1 有缺失的多核k-均值算法描述
4.3.2 缺失条件下的核互补齐多核k均值算法(MKKM-IK-MKC)
4.3.3 扩展
4.4 实验结果
4.4.1 实验设置
4.4.2 在WebKB数据集上的实验结果
4.4.3 在Caltech101数据集上的实验结果
4.4.4 在数据集Flower17和Flower102上的实验结果
4.4.5 在数据集CCV上的实验结果
4.4.6 原始核与填补核之间的对齐
4.4.7 收敛和参数敏感度
4.5 总结
第五章 局部化缺失多视图聚类算法
5.1 简介
5.2 相关工作
5.2.1 多核k-means算法(MKKM)
5.2.2 MKKM和缺失核(MKKM-IK)
5.3 LI-MKKM-MR算法
5.3.1 公式表达
5.3.2 交替优化
5.4 实验
5.4.1 实验设置
5.4.2 实验结果
5.4.3 参数敏感性
5.5 结论
第六章 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
致谢
作者简介
【相似文献】
相关期刊论文 前10条
1 小米;;818型海警巡逻舰多视图[J];军事文摘;2016年18期
2 段桂江;孙飞;唐晓青;;集成质量系统与企业资源计划系统的多视图融合机制研究[J];计算机集成制造系统;2005年12期
3 邓强;杨燕;王浩;;一种改进的多视图聚类集成算法[J];计算机科学;2017年01期
4 罗爱民;罗雪山;黄力;;基于多视图的信息系统体系结构描述方法研究[J];计算机科学;2007年02期
5 李波;赵健康;戴金海;;飞行器设计并行工程中多视图响应分析[J];计算机仿真;2006年09期
6 胡树根,李涨生,卓守鹏,董进;一种基于约束的多视图尺寸驱动方法及实现[J];中国机械工程;1998年07期
7 石艳玲;单文档多视图的多种实现方式[J];计算机应用研究;1999年10期
8 邱立坤;金澎;王厚峰;;基于依存语法构建多视图汉语树库[J];中文信息学报;2015年03期
9 任振娜;;怎样在VC++中创建基于SDI多框架多视图[J];电脑编程技巧与维护;2009年03期
10 夏钮琛;胡洁;王伟明;彭颖红;詹振飞;戚进;;基于转换表的物料清单多视图映射方法[J];上海交通大学学报;2008年04期
相关博士学位论文 前10条
1 王岳青;多视图学习算法和应用研究[D];国防科学技术大学;2017年
2 朱信忠;多视图聚类算法研究[D];西安电子科技大学;2018年
3 吴飞;多视图特征学习方法研究[D];南京邮电大学;2016年
4 沈肖波;多视图嵌入学习方法及其应用研究[D];南京理工大学;2017年
5 钱强;复杂场景下的多视图学习方法研究[D];南京航空航天大学;2013年
6 李晋;基于多视图鉴别特征学习的分类算法[D];中国矿业大学(北京);2016年
7 田文;多视图图像的快速三维场景重建[D];华中科技大学;2010年
8 杨琬琪;多视图特征选择与降维方法及其应用研究[D];南京大学;2015年
9 段春梅;基于多视图的三维模型重建方法研究[D];山东大学;2009年
10 苏树智;多视图典型相关分析的理论研究和应用[D];江南大学;2017年
相关硕士学位论文 前10条
1 张屹然;基于划分模型的多视图聚类算法研究[D];南京师范大学;2018年
2 杨克;基于DWH模型对多模态数据的多视图度量学习方法研究[D];华南理工大学;2018年
3 关俊鹏;图学习多视图聚类[D];兰州大学;2018年
4 吴铭;基于多视图的雾霾数据分析方法[D];浙江大学;2017年
5 朱玲玲;基于噪声估计的多视图三维重建技术研究[D];华中科技大学;2016年
6 于航;基于生产管控系统的BOM多视图的研究与应用[D];吉林大学;2017年
7 卜哲;基于多视图的半监督特征选择算法研究[D];山东师范大学;2017年
8 赵琴琴;多视图学习方法研究[D];西安电子科技大学;2017年
9 何梦娇;基于非负矩阵分解的多视图聚类研究[D];西南交通大学;2017年
10 刘彦勋;多视图学习研究及其算法改进[D];西安电子科技大学;2015年
本文编号:2862767
本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2862767.html