计算机科学与探索

作者：洪敏，贾彩燕，王晓阳

单位：1. 北京交通大学 计算机与信息技术学院，北京 1000442. 交通数据分析与挖掘北京市重点实验室，北京 100044

关键词：多视图,类初始化,聚类

在K-means型多视图聚类算法中，最终的聚类结果会受到初始类中心的影响。因此研究了不同的初始中心选择方法对K-means型多视图聚类算法的影响，并提出一种基于采样的主动式初始中心选择方法（sampled- clustering by fast search and find of density peaks，SDPC）。该方法通过对数据集进行均匀采样，利用密度峰值快速搜索聚类算法（clustering by fast search and find of density peaks，DPC），以及K-means再迭代策略，进一步改善多视图聚类中的初始中心选择效率和类个数问题。实验验证了不同初始化方法对K-means型多视图聚类算法的影响。多视图基准数据集上的实验结果表明：全局（核）K-means初始化方法存在时间复杂度过高的问题，AFKMC2（assumption-free K-Markov chain Monte Carlo）初始化适用于大规模数据，DPC可以主动选择类个数和初始类中心，SDPC较DPC而言,不仅能主动式获得类个数，还在聚类精度和效率上取得了较好的折衷。

来源：2019年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第4期