基于指数距离的双层多视图模糊聚类
计算机视觉与模式识别
2025-04-01 v1 机器学习
概率论
摘要
本研究提出了多视图环境下模糊c均值(FCM)聚类的扩展方法。首先，我们引入指数多视图FCM(E-MVFCM)。E-MVFCM是一种集中式MVC，考虑热核系数(H-KC)和权重因子。其次，我们提出指数双层多视图模糊c均值聚类(EB-MVFCM)。与E-MVFCM不同，EB-MVFCM同时自动计算特征和权重因子。就像E-MVFCM一样，EB-MVFCM呈现H-KC的显式形式，以简化在聚类过程中以proper时间t的幂中生成热核。本研究中使用的所有特征，包括所提出算法的工具和函数，都将在https://www.github.com/KristinaP09/EB-MVFCM 上提供。
引用
@article{arxiv.2503.22932,
title = {Bi-Level Multi-View fuzzy Clustering with Exponential Distance},
author = {Kristina P. Sinaga},
journal= {arXiv preprint arXiv:2503.22932},
year = {2025}
}