多视图聚类技术-杨景然.pdfVIP

BeijingForestStudio

ThenameoftheDepartment

北京理工大学信息系统及安全对抗实验中心

部门名称

多视图聚类技术

硕士研究生杨景然

2023年12月10日

问题回溯

•相关内容

–2023.04.22谢崇玮《深度半监督聚类技术》

–2022.09.04谢崇玮《半监督聚类和患者相似性分析》

–2021.07.18董勃《多视角深度学习》

2

内容提要

•预期收获

•内涵解析

•背景简介

•知识基础

•算法原理

–DMSC

–IMCCS

•特点总结与工作展望

•参考文献

3

预期收获

•预期收获

–掌握多视图聚类技术的基本概念

–了解完全多视图与不完全视图聚类的方法

–明确多视图聚类的应用领域和发展方向

4

内涵解析与研究目标

•内涵解析

–聚类：将相似的事物聚集在一起，不相似的事物划分到不同的类别的过程

–多视图：在实际应用问题中，对于同一事物可以从多种不同的途径或不同的

角度进行描述，这些不同的描述构成了事物的多个视图

•使用不同传感器采集一个人的指纹，多种不同的印痕构成了指纹数据的多个视图

•同一新闻事件不同媒体的报道构成了新闻文章的多个视图

•研究目标

–面向数据处理领域中从各种特征收集器获

得的数据

–结合矩阵分解、半监督学习、深度学习、

多视图学习等理论

–实现对多视图数据对象的准确聚类

5

研究背景

•传统单视图聚类方法面临困难

–信息不完整性：单一的视图可能无法准确地反

映数据的全貌

–数据噪声影响：单一视图中的噪声或不确定性

可能对聚类结果产生负面影响

–数据异构性：多领域或多模态的数据通常呈现

出异构性，即不同视图之间存在较大的差异

•每个单独的视图对于特定的知识发现任务都有

其特殊属性

•不同的视图也包含着可以利用的互补信息观察事物切忌“盲人摸象”

6

研究背景

•多视图学习的普及

–信息收集和提取技术的发展带动了多视图数据的普及，这使得在数据处理过程中

能够获得多个角度下数据的特征

–核心思想：通过融合来自不同数据源或不同特征收集器的信息来提高模型的性能

–使用准则：共识准则、互补准则

•共识准则：旨在最大限度地保持多个不同观点的一致性

•互补准则：每个视图都有着自己独特的属性，但不同的视图之间有着可以相互补充、

利用的信息