BriefGPT - AI 论文速递
·
高效多视角聚类的判别性锚点学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种新方法AFCAGF，通过学习锚图消除聚类中心初始化的需求，改进了模糊k均值算法，并引入流形学习技术。利用非负矩阵分解直接获得聚类标签，减少后处理步骤。通过交替优化算法确保收敛，实验证明该算法在真实数据集上表现优于传统方法。
🎯
关键要点
- 提出了一种新方法AFCAGF，通过学习锚图消除聚类中心初始化的需求。
- 改进了模糊k均值聚类算法（FKM），引入新的流形学习技术。
- 发展了FKM中聚类中心和样本之间的成员矩阵概念，包含多个锚点和样本的锚图。
- 采用非负矩阵分解（NMF）直接导出聚类标签，减少后处理步骤。
- 通过交替优化算法确保收敛，实验证明该算法在真实数据集上表现优于传统方法。
➡️
