[发明专利]大规模多视图数据自降维K-means算法及系统在审
| 申请号： | 201910966815.8 | 申请日： | 2019-10-12 |
| 公开（公告）号： | CN110705648A | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 曹卫东;蔡浩天;王怀超 | 申请（专利权）人： | 中国民航大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 12101 天津市鼎和专利商标代理有限公司 | 代理人： | 蒙建军 |
| 地址： | 300300 天*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种大规模多视图数据自降维K‑means算法及系统，属于信息处理技术领域，包括：一、将不同特征的数据进行归一化处理,使得所有的数据都在[‑1,1]范围之内；二、初始化，三、算法优化，四、使用数据集依据优化算法，直至算法最终收敛，得到最终的聚类结果，利用交互信息熵和纯洁度度量聚类效果，并选用不同的初始值重复三，结果去平均值，完成实验。充分考虑特征与聚类目标之间的联系，利用不同视图之间的信息互补，通过寻找单个视图上的最优子空间实现高维数据的自降维，利用非负矩阵分解(NMF)对损失函数进行重构，使不同视图共享相同的聚类指示矩阵从而实现多视图信息互补，完成大规模多视图数据的聚类。 | ||
| 搜索关键词： | 聚类 视图数据 降维 算法 矩阵 信息处理技术 归一化处理 单个视图 非负矩阵 高维数据 交互信息 聚类结果 使用数据 视图共享 视图信息 算法优化 损失函数 优化算法 初始化 纯洁度 子空间 度量 重构 收敛 分解 重复 | ||
【主权项】：
1.一种大规模多视图数据自降维K-means算法，其特征在于，至少包括：/nS101：将不同特征的数据进行归一化处理,使得所有的数据都在[-1,1]范围之内；/nS102：初始化，具体为：/n每个视图分别随机初始化为初始值：聚类指示矩阵G，使聚类指示矩阵G满足1-of-k编码；矩阵D
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国民航大学，未经中国民航大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910966815.8/，转载请声明来源钻瓜专利网。
