基于K-medoids聚類算法的多源信息數(shù)據(jù)集成算法

打開文本圖片集

摘要：針對(duì)因多源信息數(shù)據(jù)源域相似性較低、不易確定導(dǎo)致的集成難度較大問題 ， 提出一種基于 K-medoids聚類算法的集成方法.先將多源數(shù)據(jù)的聚類過程視為遷移學(xué)習(xí)過程 ， 確定初始樣本的權(quán)重值 ， 記錄訓(xùn)練樣本每次迭代時(shí)權(quán)重和損失期望值的學(xué)習(xí)特點(diǎn) ， 再利用特點(diǎn)參數(shù)判定數(shù)據(jù)屬于源域還是目標(biāo)域;然后將（剩余10908字）