精华内容
下载资源
问答
  • 多视图聚类

    2019-03-29 11:31:11
    多视图聚类算法在目前已经有了十分重要的研究和应用前景
  • 多视图聚类学习

    2021-03-14 06:18:55
    多视图聚类学习
  • 非负数据的多任务多视图聚类
  • 错误鲁棒的多视图聚类
  • 考虑到不同方法引起的视图冲突,多视图聚类的主要挑战是找到一种同时利用所有视图的补充信息的合适方法。 从优化的角度来看,以前的多视图聚类研究使用加权和方法来表示冲突程度,并将其视为加权和单目标优化问题。...
  • 具有特征选择的加权多视图聚类
  • 概念增强的文档数据多视图聚类
  • 一种改进的多视图聚类集成算法
  • 基于非负矩阵分解的基于多视图聚类的社交网络视频聚类
  • 通过图嵌入的多视图聚类用于Connectome分析
  • 混合粒子群算法的双层加权多视图聚类
  • 基于变权和MKL的多视图聚类算法
  • 该mfeat数据集主要用于多视图聚类算法研究,其中已经有标签,可以用于对最终聚类算法分出来的类簇进行评估。
  • 基于核K-means的增量多视图聚类算法
  • 通过概念分解与局部流形正则化进行多视图聚类
  • 通过低秩和稀疏分解实现强大的多视图聚类
  • 基于LLE和LE的异构场景下的多任务多视图聚类算法。
  • 多视图聚类与子空间聚类

    千次阅读 2019-06-16 21:57:45
    1、多视图聚类 从对事物的不同角度的理解生成多个特征描述视图,而非单个视图,就是多视图。 若对事物作单视图特征表示,则意味着,增加了特征空间的维度,且不同角度的特征合成同一视图,其特征可能失去原有的意义...

    1、多视图聚类

    从对事物的不同角度的理解生成多个特征描述视图,而非单个视图,就是多视图。

    若对事物作单视图特征表示,则意味着,增加了特征空间的维度,且不同角度的特征合成同一视图,其特征可能失去原有的意义。
    而多视图,则能够发挥各个视图的优势,把同一数据表示成多个特征集,然后在每个特征集上可以用不同的方法进行学习,达到协同学习的目的,改善学习性能。

    半监督多视图学习
    找到将将标记数据较好分类的视图,然后将该视图训练出的分类器对未标记的数据进行分类,并将分类结果给到其他视图,帮助其他视图训练分类器。

    2、子空间聚类

    1. 为什么
      1)高维数据使可视化和理解输入变得困难,通常需要预先应用降维技术。它导致了“维度诅咒”,即随着维度增加,所有子空间的完整枚举变得难以处理;
      2)大多数底层聚类技术依赖于结果和降维技术的选择;
      3)数据的许多维度彼此之间可能是不相关的,并且可以在有噪声的数据中屏蔽现有的聚类;
      4)一种常见的技术是执行特征选择,但是在某些情况下,识别冗余维度是不容易的。

    2. 是什么
      子空间聚类是一种在不同子空间发现聚类的技术。
      基本的假设是,我们可以找到只由维度子集定义的有效聚类。
      子空间聚类算法拓展了特征选择的任务,尝试对相同数据的不同子空间上发现聚类;比如对于n个三维的数据,维度分别为abc,当在三维空间中无法区分数据时,可以找到其子空间,假如是ac将其分开,则能够在此子空间下容易地识别类。

    展开全文
  • 通过图形嵌入的多视图聚类分析HIV病毒的连接基因组
  • 自适应近邻的多视图聚类

    千次阅读 2020-06-11 13:10:22
    多视图聚类   对最近看的论文的一个总结。 Multi-View Clustering and Semi-Supervised Classification with Adaptive Neighbours(MLAN)   聂飞平将单一视图的CAN推广到多视聚类,即MLAN。   单视CAN聚类的...

    多视图聚类

      对最近看的论文的一个总结。

    Multi-View Clustering and Semi-Supervised Classification with Adaptive Neighbours(MLAN)

      聂飞平将单一视图的CAN推广到多视聚类,即MLAN

      单视CAN聚类的目标函数为:
    在这里插入图片描述
    推广到多视聚类MLAN:
    在这里插入图片描述
    其中wvw_v是每个视图的权重,这里的权重是自动分配,不需要添加参数。 我在这里理解wvw_v参数的含义是将距离的平方开根号,减少离群点的重要性,不知道我理解的正确不正确。
    在这里插入图片描述
    算法如下所示:
    在这里插入图片描述
    MLAN方法我们可以看出,它将多视数据融合只是从数据点的角度将每个视角的数据融合,求出一个统一的相似度图。没有对每个视图的相似度图进行入手,基于此又有两种方法提出。


    Graph Learning for Multiview Clustering(MVGL)
    此篇文章是兰州大学绽琨教授提出的,它的思路很简单,分为两个步骤。 首先我们对每个视图运用自适应近邻聚类(CAN),得出每个视图的相似矩阵SvS^v。然后从多个视图的相似度图中学习到一个统一的相似度图AA,对它进行一个拉普拉斯秩约束。

    1. SvS^v的构建
      在这里插入图片描述
    2. 统一相似度AA
      在这里插入图片描述
      优化的算法可以在论文中查到,通过交替优化策略求得。

    MVGL算法从每个视图的角度出发,解决了多视算法的融合,但是它的算法要分为两个步骤,不是联合在一起学习的。
    又针对于此,王浩在这篇论文中GMC: Graph-based Multi-view Clustering提出了一个新的联合多视学习算法。


    GMC: Graph-based Multi-view Clustering
    目标函数为:
    在这里插入图片描述
    从中看出,
    用此图可以经典的概括GMC的目标函数,从每个视图SvS^v学习到一个同的相似度图UU,然后添加拉普拉斯秩约数得出最后的聚类结果,其中对于每个视图的权重ww可以自动地实现视图地权重分配。通过交替优化策略地方法求解此目标函数。

    这是关于多视聚类这几篇论文的一个论文总结吧,相关的公式和论文代码作者提供的都很清楚,大家可以看看论文一起交流。

    展开全文
  • 论文笔记:多视图聚类算法研究

    千次阅读 2020-02-10 12:04:24
    多视图聚类算法研究 摘要 本文采用核方法,从如何选择核(核矩阵)及其参数的角度考虑问题,将每个核矩阵视为一个视图。 基于矩阵范数导出正则化的多视图聚类算法。衡量每一对视图之间的相关性来减少被选中核的冗余...

    多视图聚类算法研究

    摘要

    本文采用核方法,从如何选择核(核矩阵)及其参数的角度考虑问题,将每个核矩阵视为一个视图。

    1. 基于矩阵范数导出正则化的多视图聚类算法。衡量每一对视图之间的相关性来减少被选中核的冗余并同时增加其多样性,引入嵌入矩阵范数导出正则化 的方法,获得了比当前最佳算法更好的效果。
    2. 最优的邻居核聚类算法。本文提出的算法允许最优核落在其邻域内,而并不严格要求它是基核的线性组合这样可以有效的扩大最优核的选择区域。
    3. 缺失多视图K均值算法。该算法填补和聚类融合成一个统一的优化程序,每一轮迭代的聚类结果将指引缺失核元素的填补,这将有利于后续进一步的聚类,这两个流程交替进行直至收敛。本文考虑到该算法没有充分考虑到每个视图的填充可以从其他的核矩阵受益的特点,采用缺失核矩阵间的相互填充进一步改善所提出核的K均值算法。
    4. 矩阵范数正则化的局部损失多视图K均值算法

    绪论

    常见的聚类方法:K-means聚类、谱聚类及核k-means聚类。影响聚类性能的关键要素是:如何计算样本间的相似度,主要依赖与数据特征。
    目前算法的不足:
    1)没有考虑视图间的相关性,例如某些视角被重复采集导致视图极为相似;
    2)不能有效地解决样本中含有缺失视图或噪声视图的问题,即某些样本含有一些被噪声污染或缺失的视图。

    矩阵范数导出正则化的多视图聚类算法

    参考文献

    随机游走算法

    展开全文
  • TW-Co-k-means:用于多视图聚类的两级加权协作k-means
  • 与现有的一些数据聚类或多视图聚类算法相比,提出的MRMF算法不易受到原始数据中噪声的影响,而且能够充分考虑到不同视图在聚类中所具有不同权重的问题,能够对多视图数据进行较为准确的聚类。MRMF算法的有效性在一些...
  • 研究方向是机器学习下的多视图聚类,时常会被实验中所需要对比的benchmark方法,和一些常用的多视图数据集而困扰。最近因为疫情影响,无法返校去实验室做实验,只能整理一下自己读过的论文和代码,就收集一下多视图...

    研究方向是机器学习下的多视图聚类,时常会被实验中所需要对比的benchmark方法,和一些常用的多视图数据集而困扰。

    最近因为疫情影响,无法返校去实验室做实验,只能整理一下自己读过的论文和代码,就收集一下多视图聚类(multi-view clustering)的现有不错的文章、代码以及数据集,维护在

    https://github.com/wangsiwei2010/awesome-multi-view-clusteringgithub.com

    欢迎有做这个方向的同僚一起来维护这个仓库,需要提供新论文和代码可以提issue。我们也会不断地更新资料。

    展开全文
  • 多视图聚类总结

    2021-04-08 17:15:17
    多视图数据的上下文,每个视图都足以完成特定的知识发现任务。然而,不同的视图通常包含相互补充的信息。例如,在图像处理领域,每幅图像都由不同类型的特征来描述,如lbp、sift和hog,其中lbp是一种强大的纹理...
  • 论文作者:邓强,杨燕,王浩 ...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。 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...
  • 最近的主题模型方法,即通过概率潜在语义分析(MVPLSA)的多视图学习,被设计用于多视图学习。 这些方法是生成模型的实例,而数据的流形结构将被忽略,这通常对非线性降维映射有帮助。 在本文中,我们提出了一种...
  • Incomplete Multi-view Clustering via Subspace LearningUnified subspace learning for incomplete and unlabeled multi-view dataIncomplete Multi-view ClusteringPartial Multi-View ClusteringPartial Multi-...
  • 本篇论文是一篇关于二进制的多视聚类文章,用于处理大规模的多视数据集。 1、首先对多视数据进行哈希编码 本论文在第v个视图的数据...因为是多视图学习,所以一共有M个视角的哈希矢量hsvh_s^vhsv​,从中学习一个统一的
  • 四个方面: 提出了基于矩阵范数导出正则化的多视图聚类算法。 提出了一种最优的邻居核聚类算法来增强所学最优核表示能力。 提出了一种缺失多视图 K-均值算法。 提出了一种矩阵范数正则化的局部缺失多视图 K-均值算法...

空空如也

空空如也

1 2 3 4 5 ... 10
收藏数 184
精华内容 73
关键字:

多视图聚类