多视图聚类算法综述-软件导刊.PDFVIP

第18卷第4 期 软 件 导 刊 Vol. 18 No. 4 第 4 期 2019 年4 月 Software Guide Apr. 2019 多视图聚类算法综述 何雪梅 （西华师范大学计算机学院，四川 南充637002 ） 摘 要：在大数据时代，数据是由不同来源生成的，或者是从不同视图中观察得到的，这些数据被称为多视图数 据。在数据挖掘与分析中，充分发挥知识在多视图数据中的作用是非常重要的，因此需要在融合相关数据的同 时，考虑不同视图的多样性。近年来，多视图聚类（MvC ）受到越来越多学者关注，根据其涉及的机制和原则，将 多视图聚类算法分为5 类，即协同训练算法、多核学习、多视图聚类、多视图子空间聚类与多任务多视图聚类。 对多视图聚类算法进行介绍，并重点介绍了协同训练算法与多核学习。 关键词：数据挖掘；聚类分析；多视图聚类；协同训练；多核学习 DOI：10. 11907/rjdk. 182831 中图分类号：TP312 文献标识码：A 文章编号：1672-7800 （2019 ）004-0079-03 ASurveyofMulti-viewClusteringAlgorithms HE Xue-mei （School of Computer Science ，China West Normal University ，Nanchong 637002 ，China ） Abstract：In the era of big data ，data is generated from different sources or observed from different views ，and they are called multi-view data. In data mining and analysis ，it is very important to make full use of the role of knowledge in multi-view data. This re⁃ quires advanced techniques that take into account the diversity of different views while merging these data. In recent years ，multi-view clustering （MvC ）has attracted more and more attention. According to the mechanisms and principles involved ，multi-view clustering algorithms are divided into five categories ，namely ，cooperative training algorithm ，multi-core learning ，view graph clustering ， multi-view subspace clustering and multi-task multi-view clustering. In this article ，we will focus on collaborative training algorithms and multi-core learning. KeyWords：data mining ；cluster analysis ；multi-view clustering ；co-training ；multi-kernel learning