多视角核K-means聚类算法的收敛性证明
2017-08-07邱保志贺艳芳
郑州大学学报(理学版) 2017年3期
关键词:定义
邱保志, 贺艳芳
(1.郑州大学 信息工程学院 河南 郑州 450001; 2.广东理工学院 信息工程系 广东 肇庆 526100)
多视角核K-means聚类算法的收敛性证明
邱保志1, 贺艳芳2
(1.郑州大学 信息工程学院 河南 郑州 450001; 2.广东理工学院 信息工程系 广东 肇庆 526100)
用Zangwill收敛性定理对多视角核K-means(MVKKM)的收敛性进行了分析.结果表明,当满足一定的条件时,MVKKM生成的迭代序列收敛或至少存在一个子序列收敛于算法目标函数的局部极小值或鞍点,并在Matlab环境下,通过实验验证了算法在不同视角和不同的权重指数下的收敛性.
多视角聚类;K-means; 核函数; 收敛性
0 引言
聚类是数据分析的基础,目前已经提出了许多聚类算法,这些算法可以分为单视角聚类算法和多视角聚类算法两类.如K-means、基于谱函数的聚类算法、基于密度的聚类算法等都是单视角聚类算法[1-2],而在实际的生活中,数据的表示可以有多种形式,例如一个文本可以用多种语言表示,一张图片可以用文字、颜色和形状等来表示.依据数据多方面的特征对数据进行聚类的方法称为多视角聚类.和单视角聚类算法相比,多视角聚类具有聚类精度高的优势[3-6].
聚类算法的收敛性是基于迭代技术的聚类算法的基础.文献[7]利用反例理论证明了模糊聚类算法(FCM)的收敛性;文献[8]利用Zangwill定理证明了PCA(possibilistic clustering algorithms)算法的收敛性,指出该算法产生迭代序列收敛或至少存在一个子序列收敛于PCA聚类目标函数的局部极小值点或鞍点;文献[9]讨论了多目标演化算法的收敛性问题;……
登录APP查看全文