特征值比分区学习融合

提升多核聚类性能

通过特征值比准则指导核分区学习，并采用新型后期融合模型，该多核聚类方法在多个基准数据集上优于现有方法。

Wenqi, Yang · 唐厂 · Zheng, Xiao · 朱信忠 · 刘新旺

IEEE Transactions on Knowledge and Data Engineering 2024

技术优势

维度更合适

通过特征值比准则确定核分区的特征维度，避免固定为上界或下界造成的信息缺失或冗余。

融合更优

采用新型后期融合模型，最佳地融合学习到的核分区，进一步提升聚类性能。

应用场景

• 数据聚类分析：为高维非线性数据提供更好的聚类性能。
• 模式识别：提升核方法在模式识别中的聚类准确性。
• 物联网数据处理：处理物联网中的多源异构数据的聚类任务。
• 群体智能数据分析：为群体智能数据分析提供有效的聚类工具。