熵加權(quán)多視角核K-means算法

　　在基于視角加權(quán)的多視角聚類中，每個(gè)視角的權(quán)重取值對(duì)聚類結(jié)果的精度都有著重要的影V向。針對(duì)此問題，提出熵加權(quán)多視角核K-means（ EWKKM）算法，通過給每個(gè)視角分配一個(gè)合理的權(quán)值來降低噪聲視角或無關(guān)視角對(duì)多視角聚類的影V向，進(jìn)而提高聚類的精度。EWKKM算法中，首先用核矩陣表示不同的視角，給每個(gè)視角分配一個(gè)權(quán)重；然后，利用信息熵計(jì)算出各個(gè)視角的熵權(quán)重；最后，按照定義的目標(biāo)函數(shù)對(duì)各個(gè)視角的權(quán)重進(jìn)行優(yōu)化，使用核K-means進(jìn)行多視角聚類。在UCI數(shù)據(jù)集及人工數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明熵加權(quán)多視角核K-means算法能夠?yàn)槊總€(gè)視角分配一個(gè)最優(yōu)的權(quán)重值，聚類的精確度優(yōu)于已有的聚類算法，具有更穩(wěn)定的聚類結(jié)果。