多视角聚类学习(一)An overview of recent multi-view clustering
An overview of recent multi-view clustering
- 1.Introduction
- 2.Recent multi-view clustering algorithms
- 2.1Graph-based model
- 2.1.1AMGL无参数自动加权多重图学习
- 2.1.2SwMC自加权多视角聚类
- 2.1.3MLAN
- 2.2Space-learning-based model
- 2.3Binary-code-learning-based model
- 3.Current challenges and future directions
- 4.Conclusion and future work
原文链接
1.Introduction
随着多媒体技术的发展,数据的获取不像以前那么紧张了多视角数据开始大量出现,多视角数据在最终的数据表现形式上可能不同,但他们都代表着相同的东西。多视图学习在聚类问题上的应用产生了许多新颖的多视角聚类算法。
最原始的多视角聚类是简单地缝合所有地数据特征,然后使用它们进行聚类,这种方式没有利用不同观点之间的信息互补性,也没有任何可解释性。随后。一种基于混合模型和期望最大化算法的方法被提出,其核心思想是为每个集群学习一个模型,并将它们集成到一个统一的模型中。目前研究的多视角聚类算法大多从谱聚类和其他基于图的方法中导出,他们的目标不是致力于获得统一的相似矩阵,而是学习最终的指标矩阵,直接用于聚类。子空间聚类可以有效地降低数据的维数,在多视点聚类领域也得到了人们的关注。
2.Recent multi-view clustering algorithms
2.1Graph-based model
基于图的聚类算法以构建数据的相似度矩阵的目标,采用典型的谱聚类算法或其他一些方法进行最终的标签分配。
2.1.1AMGL无参数自动加权多重图学习
它通过修改传统的谱聚类模型来实现权值的自动分配,不需要任何超参数。
AMGL目标函数:
构造目标函数的拉格朗日函数,求出F的偏导数并令导数为零,将权重因子wvw^vwv纳入公式:
经过推导得:
将wvw^vwv看成常数,可将求解目标函数最小值得问题转换为求以下公式得最小值问题:
通过迭代可得到F和wvw^vwv的最优值。
2.1.2SwMC自加权多视角聚类
SwMC将约束拉普拉斯秩(CLR)的方法应用于多视角聚类,可以跳过后处理过程(传统的基于图的聚类方法,一旦求解出目标图,就需要k-means等简单的聚类算法将每个点分配到特定的聚类中),CLR通过引入矩阵秩极限来学习一个新的但更可靠的相似矩阵S。
目标函数:
利用拉格朗日乘数法进行推导,可将上面的公式调整为:
通过迭代可得到S和wvw^vwv的最优值。
2.1.3MLAN
MLAN算法通过学习局部流形结构获得最优图,用于实现最终的聚类。它自动为每个视图分配适当的权重,以集成所有视图。
2.2Space-learning-based model
2.3Binary-code-learning-based model
3.Current challenges and future directions
4.Conclusion and future work
多视角聚类学习(一)An overview of recent multi-view clustering相关推荐
- 文献记录(part79)--光学影像序列中基于多视角聚类的群组行为分析
学习笔记,仅供参考,有错必纠 光学影像序列中基于多视角聚类的群组行为分析 摘要 群组行为分析是光学影像序列分析中的一项重要课题, 在近年来引起了人工智能领域研究人员的广泛关注. 与行人个体相比, 群组 ...
- 不一样的视角来学习Spring源码之AOP---上
不一样的视角来学习Spring源码之AOP---上 AOP AOP 实现之 ajc 编译器 收获
- 【聚类学习】时间序列聚类—10年回顾概括性综述
目录 一.引言 二.时间序列聚类的作用 三.时间序列数据的聚类问题正式定义 四.时序数据的聚类的挑战 五.时间序列数据聚类有什么用 六.时间序列聚类技术的分类 七.时间序列聚类的四步骤: 1.时间序列 ...
- [译]深度神经网络的多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks)...
译自:http://sebastianruder.com/multi-task/ 1. 前言 在机器学习中,我们通常关心优化某一特定指标,不管这个指标是一个标准值,还是企业KPI.为了达到这个目标,我 ...
- plsa java代码_LDA主题聚类学习小结
最近学习了LDA Topic聚类算法,里面涉及到许多概率论的知识,需要回过头去学习,这里做个小结,方便记忆,同时也希望能把它讲明白. LDA模型算法简介: 算法 的输入是一个文档的集合D={d1, d ...
- 机器学习-聚类(学习向量量化算法)
一,介绍 算法主要步骤包括:初始化原型向量:迭代优化,更新原型向量. 流程如下: 具体来说,主要是: 1.对原型向量初始化,可以选择满足yj=tj,j∈{1,2,-,m}yj=tj,j∈{1,2,- ...
- 【机器学习】聚类学习笔记+西瓜书数据集K-means实现
聚类 聚类的提出 聚类的是目标通过对无标记训练样本的学习来揭示数据内部潜在性质及规律. 在机器学习中有: 监督学习 无监督学习 强化学习 聚类则属于无监督学习,挖掘数据之间的隐含特征,其作为其他学习任 ...
- 机器学习之聚类学习笔记-利用python的sklearn实现
学习来源 sklearn中文文档 聚类算法练习 python代码实现K-means算法 Python数模笔记-Sklearn(2)聚类分析 均值偏移聚类 K-means聚类算法 该算法可分为三个步骤. ...
- 【深度学习】多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks)
1. 前言 在机器学习中,我们通常关心优化某一特定指标,不管这个指标是一个标准值,还是企业KPI.为了达到这个目标,我们训练单一模型或多个模型集合来完成指定得任务.然后,我们通过精细调参,来改进模型直 ...
最新文章
- 巧妙使用网页在线工具,让您的工作更简单
- 评价一个软件的3个角度
- 大数据风控-反欺诈之黑卡与养卡
- 我见过的一个让我瞠目结舌的电脑高手!
- Visual Basic、C# 和 C++ 的数据类型比较(转)
- html 元素的属性
- vue-quill-editor 获取无法获取光标位置
- python整数运算_深入 Python (6) 整数对象的数学运算
- 谈java之GUI与安卓
- DirectX修复工具出现0xc000007b错误——分析与解决
- 灰度发布--Spring Cloud Gray
- esp32最全下载方法
- 如何把PDF文件转换成其他格式或者转换成可编辑的PDF格式
- 电商维权,维权方法汇总【超全】
- linux下查看服务器型号
- JAVA版B2B2C商城源码多商户入驻商城
- 怎样使用更新域计算机,如何使用Word快捷键来输入当前时间和更新时间域?
- Electron Fiddle 通过代理加速下载(Mac)
- nacos 单机部署_使用Docker部署Nacos-Server(单机版)
- 【实验报告】实验一 简单类的设计与应用
热门文章
- 用操作系统创新解决卡脖子问题,欧瑞博要加速全屋智能的马太效应
- 2.毫米波雷达心率呼吸实时处理实例(二)
- 紫外传感器用于电路板电火花监测
- 50%的多次死亡问题
- 朴素贝叶斯算法实现(预测糖尿病)
- java 面向对象入门1
- 难以置信:目前人类对导热微观机理的认识约等于0
- 体育馆预约小程序 运动场地预约小程序 java运动场地预约系统 体育馆预约管理系统 基于微信小程序的体育馆预约系统 java毕业设计选题推荐
- 关于建站域名选取的问题及注意事项分享
- 计算机如何修改任务管理器,任务管理器就能搞定9成的电脑问题?方法在这里!...