清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Anchor-based fast spectral ensemble clustering

计算机科学 聚类分析 光谱聚类 数据挖掘 人工智能 模式识别(心理学)
作者
Runxin Zhang,S Hang,Zhensheng Sun,Feiping Nie,Rong Wang,Xuelong Li
出处
期刊:Information Fusion [Elsevier]
卷期号:113: 102587-102587 被引量:1
标识
DOI:10.1016/j.inffus.2024.102587
摘要

Ensemble clustering can obtain better and more robust results by fusing multiple base clusterings, which has received extensive attention. Although many representative algorithms have emerged in recent years, this field still has two tricky problems. First, spectral clustering can identify clusters of arbitrary shapes, but the high time and space complexity limit its application in generating base clusterings. Most existing algorithms utilize k-means to generate base clusterings, and the clustering effect on nonlinearly separable datasets needs further improvement. Second, ensemble clustering algorithms should generate multiple base clusterings. Even if low-complexity algorithms are applied, the running time is also long, which seriously affects the application of ensemble clustering algorithms on large-scale datasets. To tackle these problems, we propose a fast K-nearest neighbors approximation method, construct an anchor graph to approximate the similarity matrix, and use singular value decomposition (SVD) instead of eigenvalue decomposition (EVD) to reduce the time and space complexity of conventional spectral clustering. At the same time, we obtain multiple base clusterings by running spectral embedding once. Finally, we convert these base clusterings into a bipartite graph and use transfer cut to get the final clustering results. The proposed algorithms significantly reduce the running time of ensemble clustering. Experimental results on large-scale datasets fully prove the efficiency and superiority of our proposed algorithm.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
SCINEXUS完成签到,获得积分0
4秒前
蚂蚁踢大象完成签到 ,获得积分10
4秒前
dream完成签到 ,获得积分10
5秒前
简单幸福完成签到 ,获得积分10
20秒前
Amic完成签到 ,获得积分10
23秒前
Sino完成签到 ,获得积分10
28秒前
梓歆完成签到 ,获得积分10
29秒前
huazhangchina完成签到 ,获得积分10
39秒前
Skywings完成签到,获得积分10
51秒前
鹏程完成签到 ,获得积分10
1分钟前
janer完成签到 ,获得积分10
1分钟前
Karry完成签到 ,获得积分10
1分钟前
yujie完成签到 ,获得积分10
1分钟前
1分钟前
chi完成签到 ,获得积分10
1分钟前
Glory完成签到 ,获得积分10
1分钟前
小Q发布了新的文献求助20
1分钟前
Sophie完成签到,获得积分10
1分钟前
亘木完成签到,获得积分10
1分钟前
邵翎365完成签到,获得积分10
1分钟前
Sophie发布了新的文献求助10
1分钟前
无名草0502完成签到 ,获得积分10
1分钟前
2分钟前
俊逸吐司完成签到 ,获得积分10
2分钟前
orixero应助fff采纳,获得10
2分钟前
诚心幻莲发布了新的文献求助10
2分钟前
小林子完成签到,获得积分10
2分钟前
默11完成签到 ,获得积分10
2分钟前
谭凯文完成签到 ,获得积分10
3分钟前
wyh295352318完成签到 ,获得积分10
3分钟前
tannie完成签到 ,获得积分10
3分钟前
朴实的耳机完成签到,获得积分10
3分钟前
悠明夜月完成签到 ,获得积分10
3分钟前
4分钟前
wangrong完成签到 ,获得积分10
4分钟前
fff发布了新的文献求助10
4分钟前
digger2023完成签到 ,获得积分10
4分钟前
cocobear完成签到 ,获得积分10
4分钟前
宁霸完成签到,获得积分10
4分钟前
炎炎夏无声完成签到 ,获得积分10
4分钟前
高分求助中
Sustainability in Tides Chemistry 1500
Handbook of the Mammals of the World – Volume 3: Primates 805
拟南芥模式识别受体参与调控抗病蛋白介导的ETI免疫反应的机制研究 550
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Manual of Sewer Condition Classification 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3068193
求助须知:如何正确求助?哪些是违规求助? 2722162
关于积分的说明 7476072
捐赠科研通 2369138
什么是DOI,文献DOI怎么找? 1256228
科研通“疑难数据库(出版商)”最低求助积分说明 609518
版权声明 596835