23、基于图的多视图聚类方法用于连续模式挖掘

基于图的多视图聚类方法用于连续模式挖掘

在数据挖掘领域，聚类算法是一种重要的数据分析技术，它能够将数据集中相似的数据点归为一类。随着数据的不断增长和多样化，多视图聚类和流聚类算法成为了研究的热点。本文将介绍多种聚类算法，包括多视图聚类、流聚类、多视图流聚类算法，以及相关的背景知识和一种新的MST - MVS聚类算法。

1. 聚类算法概述

聚类算法可以分为多视图聚类、流聚类和多视图流聚类等不同类型，下面分别介绍这些算法。
- 多视图聚类算法
- 无参数图共识聚类 ：通过在连接图上强制执行视图共识，无需任何参数即可对数据进行聚类。
- 分布式k - means聚类 ：Bendechache和Kechadi提出的算法，对每个视图应用k - means算法进行聚类，然后合并不同视图的重叠聚类。该过程会多次重复，直到达到指定级别。
- 基于图的多视图聚类技术 ：有两项研究提出了相关技术。一项研究提出了用于建模多视图聚类任务的亲和图表示学习框架，先为每个视图构建鲁棒的图拉普拉斯矩阵，然后使用一致亲和图学习算法进行融合；另一项研究引入了使用局部和全局图信息的多视图子空间聚类网络，通过自编码器网络同时处理不同视图，最终将图信息集成到自编码器网络的自表达层中，获得视图间共享的表示。
- 流聚类算法
- ONMF算法 ：Coa等人提出的迭代聚类算法，利用NMF在满足正交性约束$HH^T = I$时等价于k - means的性质，对随时间