摘要：近年来，针对大数据的数据挖掘技术和机器学习算法研究变得日趋重要。在聚类领域，随着多视图数据的大量出现，多视图聚类已经成为了一类重要的聚类方法。然而，大多数现有的多视图聚类算法受算法参数设置、数据样本等影响，具有聚类结果不稳定、参数需要反复调节等缺点。基于多视图K-means算法和聚类集成技术，提出了一种改进的多视图聚类集成算法，其提高了聚类的准确性、鲁棒性和稳定性。其次，由于单机环境下的多视图聚类算法难以对海量的数据进行处理，结合分布式处理技术，实现了一种分布式的多视图并行聚类算法。实验证明，并行算法在处理大数据时的时间效率有很大提升，适合于大数据环境下的多视图聚类分析。

原文链接:http://www.cqvip.com//QK/92817X/201701/671087347.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）