检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于正交约束的分块不完整多视角聚类

模式识别与人工智能 2020年第1期33卷 41-49页

作者：姜健伟殷俊上海海事大学信息工程学院

在处理数据特征提取问题时,已有的基于非负矩阵分解的不完整多视角聚类算法对局部特征的提取不够准确.针对此问题,文中提出基于正交约束的分块不完整多视角聚类(CIMVCO).利用非负矩阵分解获得所有视角的潜在特征矩阵,通过加入正交约束... 详细信息

在处理数据特征提取问题时,已有的基于非负矩阵分解的不完整多视角聚类算法对局部特征的提取不够准确.针对此问题,文中提出基于正交约束的分块不完整多视角聚类(CIMVCO).利用非负矩阵分解获得所有视角的潜在特征矩阵,通过加入正交约束得到更好的局部特征.对于各个视角的缺失样本,CIMVCO给予较小的权重以减小缺失数据的影响.为了解决大规模数据的聚类问题,CIMVCO逐块处理数据以减少内存需求和处理时间.在Reuters和Digit数据集上的实验验证CIMVCO的有效性.

关键词：分块多视角聚类非负矩阵分解(NMF) 正交约束

在线全文

学校读者我要写书评

暂无评论

基于两级权重的多视角聚类

计算机研究与发展 2022年第4期59卷 907-921页

作者：杜国王周丽华王丽珍杜经纬云南大学信息学院昆明650500

在聚类过程中,多视角数据的高维性和稀疏性使视角内描述样本的不同特征对聚类结果的影响不同,同一样本在不同的视角中对聚类的贡献也不同.层次化区分视角内不同特征的权重和相同样本在不同视角内的权重是提高多视角聚类性能的重要因素.... 详细信息

在聚类过程中,多视角数据的高维性和稀疏性使视角内描述样本的不同特征对聚类结果的影响不同,同一样本在不同的视角中对聚类的贡献也不同.层次化区分视角内不同特征的权重和相同样本在不同视角内的权重是提高多视角聚类性能的重要因素.提出了具有特征级和样本级两级权重的多视角聚类(multi-view clustering based on two-level weights,MVC2W)算法.该算法引入了特征级和样本级注意力机制学习每个视角内不同特征的权重和每个样本在不同视角内的权重.两级注意力机制使算法在训练过程中能够更加关注重要的特征和重要的样本,更加合理地融合不同视角的信息,从而有效克服数据高维性和稀疏性对聚类结果的影响.此外,MVC2W将表征学习和聚类过程融为一体,协同训练、相互促进,进一步提升聚类性能.在5个稀疏程度不同的数据集上的实验结果表明:MVC2W算法的聚类性能比11个基线算法均有提升,尤其是在稀疏程度高的数据集上,MVC2W的提升更加显著.

关键词：多视角聚类特征级权重样本级权重注意力机制稀疏度

在线全文

学校读者我要写书评

暂无评论

基于低秩张量图学习的不完整多视角聚类

自动化学报 2023年第7期49卷 1433-1445页

作者：文杰颜珂张正徐勇哈尔滨工业大学(深圳)深圳市视觉目标检测与判识重点实验室深圳518055 北京理工大学计算机科学与技术学院北京100080 鹏城实验室深圳518055

传统多视角聚类都基于视角完备假设,要求所有样本的视角信息完整,不能处理存在部分视角缺失情形下的不完整多视角聚类任务.为解决该问题,提出一种基于低秩张量图学习的不完整多视角聚类方法.为了恢复相似图中缺失视角所对应的样本关联信... 详细信息

传统多视角聚类都基于视角完备假设,要求所有样本的视角信息完整,不能处理存在部分视角缺失情形下的不完整多视角聚类任务.为解决该问题,提出一种基于低秩张量图学习的不完整多视角聚类方法.为了恢复相似图中缺失视角所对应的样本关联信息,该方法将低秩张量图约束和视角内在图保持约束融入到多视角谱聚类模型.通过在一个统一模型中同时挖掘视角间的互补信息和视角内未缺失样例的关联信息,所提出的方法能够得到表征样例邻接关系的完整相似图和视角间一致的最优聚类指示矩阵.与12种不完整多视角聚类方法进行实验对比,实验结果表明所提出的方法在多种视角缺失率下的5个数据集上获得了最好的聚类性能.

关键词：多视角聚类视角缺失不完整多视角聚类图学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种双重加权的多视角聚类方法

计算机学报 2020年第9期43卷 1708-1720页

作者：胡世哲娄铮铮王若彬闫小强叶阳东郑州大学信息工程学院郑州450001

在大数据时代下,如何利用多源异构数据中的互补信息来识别数据中的簇模式,是多视角聚类研究中的热点问题.然而,大多数现有的多视角聚类方法只在基于内容的特征表示上(如基于k-means的加权多视角聚类方法)或基于上下文的相似度表示上(如... 详细信息

在大数据时代下,如何利用多源异构数据中的互补信息来识别数据中的簇模式,是多视角聚类研究中的热点问题.然而,大多数现有的多视角聚类方法只在基于内容的特征表示上(如基于k-means的加权多视角聚类方法)或基于上下文的相似度表示上(如基于谱聚类的加权多视角聚类方法)学习和施加权重,未能同时考虑这两种表示以充分地表达出视角内部固有的信息.另外,大多数加权多视角聚类方法需要引入额外的参数以控制视角权重的分布,但是,在没有任何先验知识的前提下,很难人为选择出恰当的权重控制参数.针对上述问题,提出了一种双重加权的多视角聚类算法DWMVC.它通过互信息自动学习视角权重,并将这些权重施加到基于内容和基于上下文的多视角数据表示上,以便于充分利用两种数据表示下的视角互补信息.构造了一个基于信息瓶颈的目标函数,在压缩这两种数据表示的同时最大限度地保留着相关特征和相似度信息.最后,设计了一种顺序的优化方法,以保证模型收敛到局部最优解.在多种多视角数据集上的实验结果表明,该方法优于目前先进的单视角和多视角聚类方法.

关键词：多视角聚类权重学习信息瓶颈互信息词袋模型

在线全文

学校读者我要写书评

暂无评论

基于模糊C-means的多视角聚类算法

中南大学学报（自然科学版） 2015年第6期46卷 2128-2133页

作者：杨欣欣黄少滨哈尔滨工程大学计算机科学与技术学院黑龙江哈尔滨150001

目前多数多视角聚类算法属于"刚性"划分算法,不适用于处理具有聚簇重叠结构的数据集,为此,提出一种基于模糊C-means的多视角聚类算法(简称FCM-MVC),该算法利用隶属度描述对象与类别的关系,能够更真实地描述具有聚簇重叠结构数据集的聚... 详细信息

目前多数多视角聚类算法属于"刚性"划分算法,不适用于处理具有聚簇重叠结构的数据集,为此,提出一种基于模糊C-means的多视角聚类算法(简称FCM-MVC),该算法利用隶属度描述对象与类别的关系,能够更真实地描述具有聚簇重叠结构数据集的聚类结果。FCM-MVC算法同时利用多个视角信息,自动计算每个视角的权重。研究结果表明:FCM-MVC算法能够有效处理具有聚簇重叠结构的数据集;与已有的3种经典的多视角聚类算法相比,该算法获得的聚类精度更高。

关键词：多视角聚类模糊C-means 数据挖掘

在线全文

学校读者我要写书评

暂无评论

融合稀疏隐视角信息学习的多视角聚类算法

计算机科学与探索 2019年第12期13卷 2117-2129页

作者：刘瑞秀高艳丽邓赵红王士同江南大学数字媒体学院江苏无锡214122 江南计算技术研究所江苏无锡214083

多视角聚类的目的就是对由不同的特征集描述的数据进行聚类。传统算法大多直接对原始特征集聚类,而忽略了一些隐性信息对聚类性能的影响。已有一些多视角聚类方法试图发现嵌入在多视角数据中的隐性信息并基于隐性信息进行聚类,但此类算... 详细信息

多视角聚类的目的就是对由不同的特征集描述的数据进行聚类。传统算法大多直接对原始特征集聚类,而忽略了一些隐性信息对聚类性能的影响。已有一些多视角聚类方法试图发现嵌入在多视角数据中的隐性信息并基于隐性信息进行聚类,但此类算法会不同程度地损失原始特征的信息。针对此,提出了一种融合稀疏隐视角信息学习的多视角聚类算法。首先为了挖掘潜在的稀疏隐视角信息,提出了一种稀疏隐视角信息学习模型,通过求解该模型获得稀疏隐视角信息。然后在聚类过程中实现原始的特征集和稀疏隐视角信息的协同学习。在真实数据集上的实验结果表明,所提算法的聚类性能优于现有的聚类算法。

关键词：多视角聚类稀疏表示隐视角信息协同学习

在线全文

学校读者我要写书评

暂无评论

基于多视角聚类的WiFi指纹定位方法研究

传感技术学报 2021年第5期34卷 690-695页

作者：马宗方吕丽萍田鸿朋王艳西安建筑科技大学信息与控制工程学院陕西西安710055

为了解决在基于聚类方法的WiFi指纹定位中视角单一所导致的定位精度较低的问题,提出了基于多视角聚类的WiFi指纹定位方法。利用阈值-均值滤波方法对原始数据进行处理;结合K-means聚类算法对多视角信号(信号强度和位置)进行区划,并建立... 详细信息

为了解决在基于聚类方法的WiFi指纹定位中视角单一所导致的定位精度较低的问题,提出了基于多视角聚类的WiFi指纹定位方法。利用阈值-均值滤波方法对原始数据进行处理;结合K-means聚类算法对多视角信号(信号强度和位置)进行区划,并建立离线指纹库;使用基础分类器对实测信号分类,待测信号依据分类结果在其所属区域内估计K个邻近信号点,用近邻以及相应的权重值综合确定该信号的实际位置。通过对比实验分析可知,在考虑多视角的情况下,WiFi指纹定位精度在4 m以内的概率为83%,相比于单视角聚类的定位精度提高了12%。结果表明,该方法提高了定位精度,也为定位领域的研究提供了多元化思路。

关键词：无线传感器网络 WiFi指纹定位多视角聚类定位精度

光学影像序列中基于多视角聚类的群组行为分析

在线全文

学校读者我要写书评

暂无评论

中国科学：信息科学 2018年第9期48卷 1227-1241页

作者：李学龙陈穆林王琦中国科学院西安光学精密机械研究所西安710119 西北工业大学计算机学院与光学影像分析与学习中心西安710072 西北工业大学无人系统研究院西安710072

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,群组能提供更高层的语义表示,为分析人群运动模式提供基础.本文将人群影像序列中的影像块作为研究对象,提出了一种基于... 详细信息

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,群组能提供更高层的语义表示,为分析人群运动模式提供基础.本文将人群影像序列中的影像块作为研究对象,提出了一种基于多视角聚类的群组行为分析方法,对运动模式不同的群组进行区分,主要研究内容有:(1)提出了基于特征点的影像块构图方法,从交互关系、空间位置、运动方向分布,以及运动规律等方面衡量影像块之间的关系;(2)提出了一种多视角聚类方法,通过融合多种特征对每个影像块分配类标签,并引入图多样性正则项以避免特征冗余;(3)提出了一种类合并方法,根据类内特征点的运动方向和类中心位置坐标,对关联度较高的类别进行合并,自动确定最终群组数目.CUHK人群数据集上的实验结果证明了该方法能够准确划分出影像数据中的群组.另外,与现有方法相比,本文提出的多视角聚类方法也在不同数据集上取得了较好的实验结果.

关键词：人群分析群组行为分析聚类算法图聚类多视角聚类

在线全文

学校读者我要写书评

暂无评论

基于图卷积神经网络的多视角聚类

计算机工程与应用 2021年第5期57卷 115-122页

作者：李勇振廖湖声北京工业大学信息学部北京100124 北京建筑大学电气与信息工程学院北京100044

针对多视角数据间互补与一致特性难以刻画问题,提出一种基于图卷积神经网络的多视角聚类方法。通过对样本不同视角间相同邻接子图基于图卷积神经网络学习到的表达进行约束,有效挖掘了多视角数据间的一致特性。通过共享图卷积神经网络参... 详细信息

针对多视角数据间互补与一致特性难以刻画问题,提出一种基于图卷积神经网络的多视角聚类方法。通过对样本不同视角间相同邻接子图基于图卷积神经网络学习到的表达进行约束,有效挖掘了多视角数据间的一致特性。通过共享图卷积神经网络参数、学习不同视角完整邻接图嵌入表达并串接得到多视角表达,有效挖掘了多视角数据间的互补特性。对上述多视角表达增加相对熵约束,使得最终学习到的多视角表达得以提升并符合聚类特性。在五个数据集上均取得了最好的聚类效果,说明所提出的基于图卷积神经网络的聚类方法可以有效挖掘视角间互补与一致特性并提升聚类性能。

关键词：多视角聚类图卷积神经网络相对熵