-
题名STVW-MVC算法在电竞比赛分析中的应用
- 1
-
-
作者
王欣
徐蕾艳
吴菲
-
机构
南京信息职业技术学院数字商务学院
南京特殊教育师范学院数学与信息科学学院
-
出处
《印刷与数字媒体技术研究》
北大核心
2025年第1期169-178,196,共11页
-
基金
国家自然科学基金(No.12101319)
江苏省产学研合作项目(No.BY2022940)
南京信息职业技术学院高层次人才科研启动项目(No.YB20220602)。
-
文摘
近年来,电子竞技类型的比赛逐渐出现在大众的视野中,电竞比赛中对于各战队和选手战术和隐藏模式的分析是重要的一环。以往对于比赛的分析大多通过专家人工分析,存在主观因素强,难以分析战队和选手的隐藏模式等问题。本研究提出了一种时序感知的视图权重融合多视图聚类算法STVW-MVC,增加了视图重要性权重,改进了原算法中对于多视图信息一致性的处理,针对比赛中的各数据进行更准确的多视图聚类,以挖掘参赛选手或战队的战术和隐藏模式。相比原有的MVC-MAE算法,该算法更注重时序信息,使得时间序列靠后的信息会与时间序列靠前的信息产生信息一致性,而时间序列靠前的信息无法与其之后的信息产生一致性,能够更好地挖掘出潜在特征,从而进行更有效的聚类。除此以外,本研究还引入了视图重要性权重和视图相关性阈值,提高了聚类效果。实验表明,本研究算法的聚类结果更加紧凑合理,为电子竞技比赛数据的分析提供了一种更高效、更准确的方法。
-
关键词
深度自编码器聚类
mvc-mae算法
多视图
信息一致性
时间序列
-
Keywords
Deep autoencoder clustering
mvc-mae algorithm
Multi-view
Information consistency
Time series
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
