作者:郭蕾蕾; 俞璐; 段国仑; 陶性留协同训练ap聚类多视图图像特征
摘要:为应对多视图数据激增而带来的挑战,多视图学习技术成为新的研究热点。在聚类领域,经典的聚类方法只适用于具有单一表示或单一视图的聚类对象。而在多视图聚类中,对于不同的聚类方法,不同视图之间的信息交互和更新的方式具有较大的差异,没有普适的通用方法。针对以上缺点,基于Co—training思想,根据信息交互更新方式的不同,提出了一种多视图AP聚类算法。该算法将各视图的归属度信息和吸引度信息交叉迭代,综合两种信息确定最后的聚类中心。实验结果表明,相较于单视图聚类和多视图数据直接拼接后再聚类等方法,所提的多视图AP聚类算法能取得较好的性能。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社