双加权多视角子空间聚类算法

多视角子空间聚类方法为高维多视角数据的聚类问题提供了大量的解决方案.但是现有的子空间方法仍不能很好地解决以下两个问题:(1)如何利用不同视角的差异性进行学习获得一个优质的共享系数矩阵;(2)如何增强共享系数矩阵的低秩性.针对以上问题,提出了一种有效的双加权多视角子空间聚类算法.该算法首先通过子空间自表达学习到每个视角的系数矩阵,然后采用自适应权重策略构建一个共享系数矩阵,最后利用加权核范数逼近系数矩阵的秩,使得系数矩阵的表示更加低秩,进而取得更好的聚类结果.采用增广拉格朗日乘子法来优化目标函数,并在6个广泛使用的数据集上进行实验,验证了该算法的优越性.

基于微卫星标记的瓯江唇鱼骨增殖放流效果评估

为评估瓯江唇鱼骨(Hemibarbus labeo)的增殖放流效果,利用已开发的10对微卫星引物,基于亲子鉴定技术,开展了瓯江增殖放流唇鱼骨对野生群体的资源贡献率评估。结果显示:28尾繁殖亲本群体和103尾回捕群体中共检出等位基因数(N_(a))133个,单个位点等位基因数(N_(a))、多态信息含量(PIC)、观测杂合度(H_(o))和期望杂合度(H_(e))的变化范围分别为7~19个、0.501~0.883、0.328~0.787和0.523~0.897,对应的平均值分别为13.3个、0.703、0.598和0.737,10对微卫星引物均表现为高度多态性,可用于后续亲缘关系鉴定。亲缘关系分析表明,在亲本性别未知的情况下,非亲排除率(NEP)范围为0.043~0.400,10座位累计非亲排除率(CEP)达到0.99999962。亲子鉴定结果表明,在回捕的103尾唇[鱼骨]个体中,3尾确认来源于增殖放流群体,由此推算出放流群体对野生群体的资源贡献率为2.91%。综合分析表明,瓯江唇[鱼骨]增殖放流具有一定的资源恢复效果。

低秩张量分解的多视角谱聚类算法

针对传统多视角学习算法只关注从多视角中提取共享信息而忽略了各视角的特有信息和高阶关联的问题,提出了一种基于截断核范数的低秩张量分解的多视角谱聚类算法。计算各视角的样本相似度矩阵和转移概率矩阵,构建一个包含各视角马尔可夫转移概率矩阵的张量,从而保留各个视角的信息。采用基于张量奇异值分解的截断核范数约束目标张量的秩。通过最小化张量截断核范数,学习到一个既包含各个视角共享信息又具有高阶关联的张量。利用迭代最优化算法求解目标函数,将求得的目标张量输入谱聚类算法得到聚类结果。在4个不同类型数据集上进行实验并与传统聚类算法进行了对比,结果表明:所提算法在4个数据集上的标准互信息度量值比标准谱聚类算法的分别提高了7.9%、24.9%、29.5%、8.1%,比LT-MSC算法的分别提高了3.4%、18.1%、17.6%、6.6%。通过对非负平衡参数在0.000 1~100之间的测试发现,所提算法表现基本稳定,在非负平衡参数取0.1~1之间表现良好。与传统多视角聚类算法相比,所提算法可有效增强各视角之间的互补性和高阶关联,并且具有良好的准确性和鲁棒性。

隐式低秩稀疏表示的多视角子空间聚类

针对多视角子空间聚类问题,提出基于隐式低秩稀疏表示的多视角子空间聚类算法(LLSMSC).算法构建多个视角共享的隐式结构,挖掘多视角之间的互补性信息.通过对隐式子空间的表示施加低秩约束和稀疏约束,捕获数据的局部结构和稀疏结构,使聚类结果更准确.同时,使用基于增广拉格朗日乘子交替方向最小化算法高效求解优化问题.在6个不同数据集上的实验验证LLSMSC的有效性和优越性.