软件学报

作者：张远鹏,周洁,邓赵红,钟富礼,蒋亦樟,杭文龙,王士同

单位：张远鹏，江南大学 数字媒体学院, 江苏 无锡 214122;南通大学 医学信息学系, 江苏 南通 22601911,周洁，江南大学 数字媒体学院, 江苏 无锡 21412202,邓赵红，江南大学 数字媒体学院, 江苏 无锡 21412203,钟富礼，Department of Computing, Hong Kong Polytechnic University, Hong Kong 999077, China04,蒋亦樟，江南大学 数字媒体学院, 江苏 无锡 21412205,杭文龙，江南大学 数字媒体学院, 江苏 无锡 21412206,王士同，江南大学 数字媒体学院, 江苏 无锡 214122;Department of Computing, Hong Kong Polytechnic University, Hong Kong 999077, China07

关键词：多视角聚类;多代表点;代表点一致性;模糊聚类;协同学习;MRI分割

基金：国家自然科学基金（81701793，61772239，61702225，61572236，61711540041）；南通市科技计划（MS12017016-2）

多视角数据的涌现对传统单视角聚类算法提出了挑战.利用单视角聚类算法独立地对每个视角进行划分，再通过集成机制获取全局划分的方法，人为地割裂了视角之间的内在联系，难以获得理想的聚类效果.针对此问题，提出了一个多视角聚类模型.该模型不仅考虑了视角内的划分质量，还兼顾了视角间的协同学习机制.对于视角内的划分，为了捕捉更为准确的簇内结构信息，采用多代表点的簇结构表示策略；对于视角间的协同学习机制，假设簇中代表点在不同视角下，其代表性保持.因此，在该模型基础上提出了基于代表点一致性约束的多视角模糊聚类算法（multi-view fuzzy clustering with a medoid invariant constraint，简称MFCMddI）.该算法通过最大化两两相邻视角下代表点权重系数的乘积之和来保证代表点一致性.MFCMddI的目标函数可通过引入拉格朗日乘子和KKT条件进行优化.在人工数据集以及真实数据集上的实验结果均表明，该算法相对于所引入的对比算法而言具有一定的优势.

来源：2019年第2期

《软件学报》期刊编辑部

查看软件学报杂志2019年第2期