检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于概念分解的显隐空间协同多视图聚类算法

模式识别与人工智能 2023年第2期36卷 160-173页

作者：胡素婷沈宗鑫黄倩倩黄雁勇西南财经大学统计学院成都611130 西南交通大学计算机与人工智能学院成都611756 西南民族大学计算机科学与工程学院成都610041

多视图聚类通过整合不同视图的特征以提升聚类性能.现有的多视图聚类更多地关注数据不同的低维表示方式和其在隐式空间的几何结构,而忽略数据样本在不同空间的结构关系,未同时考虑不同空间的聚类.为此,文中提出基于概念分解的显隐空间... 详细信息

多视图聚类通过整合不同视图的特征以提升聚类性能.现有的多视图聚类更多地关注数据不同的低维表示方式和其在隐式空间的几何结构,而忽略数据样本在不同空间的结构关系,未同时考虑不同空间的聚类.为此,文中提出基于概念分解的显隐空间协同多视图聚类算法.首先,通过概念分解获取不同视图在隐式空间中的一个共同的低维特征表示,并利用图拉普拉斯正则化约束保持原始数据的局部结构不变.然后,将数据在显式空间中的聚类和隐式空间中的聚类整合到一个共同的框架中,进行协同学习和优化,得到最终的聚类结果.在8个真实数据集上的实验表明文中算法性能较优.

关键词：多视图聚类协同训练概念分解拉普拉斯正则化

在线全文

学校读者我要写书评

暂无评论

基于超图正则化受限的概念分解算法

电子与信息学报 2015年第3期37卷 509-515页

作者：李雪赵春霞舒振球郭剑辉南京理工大学计算机科学与工程学院南京210094

针对概念分解(Concept Factorization,CF)算法没有同时考虑样本中存在的类别信息及数据间多元几何结构信息的问题,该文提出一种基于超图正则化受限的概念分解(Hyper-graph regularized Constrained Concept Factorization,HCCF)算法。H... 详细信息

针对概念分解(Concept Factorization,CF)算法没有同时考虑样本中存在的类别信息及数据间多元几何结构信息的问题,该文提出一种基于超图正则化受限的概念分解(Hyper-graph regularized Constrained Concept Factorization,HCCF)算法。HCCF算法通过构建一个无向加权的拉普拉斯超图正则项,提取数据间的多元几何结构信息,克服了传统图模型只能表达数据间成对关系的缺陷;同时采用硬约束的方式使样本的类别信息在低维空间中保持一致,充分利用了标记样本的类别信息。该文采用乘性迭代的方法求解HCCF算法的目标函数并证明了其收敛性。在TDT2库、Reuters库和PIE库上的实验结果表明,HCCF算法提高了聚类的准确率和归一化互信息,验证了算法的有效性。

关键词：信息处理概念分解聚类硬约束超图流形学习

在线全文

学校读者我要写书评

暂无评论

基于稀疏约束的流形正则化概念分解算法

计算机辅助设计与图形学学报 2016年第3期28卷 381-394页

作者：李雪赵春霞王琼舒振球南京理工大学计算机科学与工程学院南京210094

流形学习算法在构造图模型时假设观测数据来自一个光滑的流形采样,但实际高维数据中由于各种因素经常存在噪声或异常值.针对概念分解算法无法有效地处理数据中存在的噪声问题,同时未考虑数据间的几何结构信息问题,提出一种基于稀疏约束... 详细信息

流形学习算法在构造图模型时假设观测数据来自一个光滑的流形采样,但实际高维数据中由于各种因素经常存在噪声或异常值.针对概念分解算法无法有效地处理数据中存在的噪声问题,同时未考虑数据间的几何结构信息问题,提出一种基于稀疏约束的流形正则化概念分解算法.该算法通过l2,1范数对目标函数进行稀疏约束,得到具有鉴别能力的特征向量;同时构建拉普拉斯图正则项获得数据的流形结构信息,提高算法的鉴别能力.最后对文中算法的目标函数进行求解并证明了其收敛性;在PIE人脸库、AT&T人脸库、Reuters文本库和TDT2文本库上的实验结果表明,该算法提高了聚类的准确率和归一化互信息.

关键词：非负矩阵分解概念分解 l2.1范数流形学习图拉普拉斯聚类

在线全文

学校读者我要写书评

暂无评论

图正则化的模糊局部坐标编码概念分解模型

中国科学技术大学学报 2020年第7期50卷 993-1002页

作者：张怿恺彭勇孔万增文益民杭州电子科技大学计算机科学与技术学院浙江杭州310018 桂林电子科技大学计算机与信息安全学院广西桂林541000

现有的基于矩阵分解聚类模型训练过程大多需要两个独立的步骤,一是通过自身的模型对数据集进行训练获得系数矩阵,二是对得到的系数矩阵进一步使用K-means方法来获得最终的聚类结果.这种两阶段模式一方面增加了计算消耗,也会因为K-means... 详细信息

现有的基于矩阵分解聚类模型训练过程大多需要两个独立的步骤,一是通过自身的模型对数据集进行训练获得系数矩阵,二是对得到的系数矩阵进一步使用K-means方法来获得最终的聚类结果.这种两阶段模式一方面增加了计算消耗,也会因为K-means对初始聚类中心的敏感,会对聚类效果产生一定的影响.针对此问题,本文提出了一种图正则化的模糊局部坐标编码概念分解模型.该模型通过对系数矩阵添加约束使得系数矩阵行和为1,从而避免了再次使用K-means方法进行二次训练,而直接由系数矩阵获得聚类结果.另外,由于此系数矩阵的约束.该模型实现了模糊聚类,增强了聚类结果的可解释性.本文通过对人工合成数据的测试,验证了该模型的模糊性与可解释性;同时在常用的标准数据集上,通过与现有的聚类方法相比较,同样获得了较好的聚类效果.

关键词：概念分解局部坐标编码模糊聚类图正则化

在线全文

学校读者我要写书评

暂无评论

一种基于概念分解的政策精化方法

计算机应用研究 2009年第5期26卷 1650-1653,1672页

作者：胡军付亚军湖南大学计算机与通信学院长沙410082

提出了一种基于概念分解的政策精化方法,将政策的精化归结为对概念的分解,依据本体论中的概念结构将政策中较高层的概念转换为较低层的概念,从而实现政策的精化。给出了该精化算法的步骤,并通过一个案例演示了该方法的执行过程,最后与... 详细信息

提出了一种基于概念分解的政策精化方法,将政策的精化归结为对概念的分解,依据本体论中的概念结构将政策中较高层的概念转换为较低层的概念,从而实现政策的精化。给出了该精化算法的步骤,并通过一个案例演示了该方法的执行过程,最后与其他几种政策精化算法进行对比分析,指出该算法的优缺点。

关键词：政策政策精化本体概念分解

在线全文

学校读者我要写书评

暂无评论

基于全局融合的多核概念分解算法

计算机应用 2019年第4期39卷 1021-1026页

作者：李飞杜亮任超宏山西大学计算机与信息技术学院太原030006 山西大学大数据科学与产业研究院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

非负矩阵分解(NMF)算法仅能用于对原始非负数据寻找低秩近似,而概念分解(CF)算法将矩阵分解模型扩展到单个非线性核空间,提升了矩阵分解算法的学习能力和普适性。针对无监督环境下概念分解面临的如何设计或选择合适核函数这一问题,提出... 详细信息

非负矩阵分解(NMF)算法仅能用于对原始非负数据寻找低秩近似,而概念分解(CF)算法将矩阵分解模型扩展到单个非线性核空间,提升了矩阵分解算法的学习能力和普适性。针对无监督环境下概念分解面临的如何设计或选择合适核函数这一问题,提出基于全局融合的多核概念分解(GMKCF)算法。同时输入多种候选核函数,在概念分解框架下基于全局线性权重融合对它们进行学习,以得出质量高稳定性好的聚类结果,并解决概念分解模型面临核函数选择的问题。采用交替迭代的方法对新模型进行求解,证明了算法的收敛性。将该算法与基于核的K-均值(KKM)、谱聚类(SC)、KCF(Kernel Concept Factorization)、Coreg(Co-regularized multi-view spectral clustering)、RMKKM(Robust Multiple KKM)在多个真实数据库上的实验结果表明,该算法在数据聚类方面优于对比算法。

关键词：多核学习概念分解矩阵分解多核聚类全局融合

基于对偶超图正则化的概念分解算法及其在数据表示中的应用

在线全文

学校读者我要写书评

暂无评论

计算机科学 2017年第7期44卷 309-314页

作者：叶军金忠南京邮电大学理学院南京210046 南京理工大学计算机科学与工程学院南京210094

针对概念分解算法没有同时考虑数据空间和特征属性空间中的高阶几何结构信息的问题,提出了一种基于对偶超图正则化的概念分解算法。该算法通过分别在数据空间和特征属性空间中构建无向加权的拉普拉斯超图正则项,分别反映了数据流形和特... 详细信息

针对概念分解算法没有同时考虑数据空间和特征属性空间中的高阶几何结构信息的问题,提出了一种基于对偶超图正则化的概念分解算法。该算法通过分别在数据空间和特征属性空间中构建无向加权的拉普拉斯超图正则项,分别反映了数据流形和特征流形的多元几何结构信息,弥补了传统图模型只能表达数据间成对关系的缺陷。采用交替迭代的方法求解算法的目标函数并证明了算法的收敛性。在3个真实数据库(TDT2、PIE、COIL20)上的实验表明,该方法在数据的聚类表示的效果方面优于其他方法。

关键词：概念分解超图学习对偶回归流形学习聚类

在线全文

学校读者我要写书评

暂无评论

结合新概念分解和频繁词集的短文本聚类

小型微型计算机系统 2020年第6期41卷 1321-1326页

作者：贾瑞玉陈胜发安徽大学计算机科学与技术学院合肥230601

针对传统文本聚类忽略词与词之间的语义关系和数据高维的问题,提出了一种结合新概念分解和频繁词集的短文本聚类.该算法首先对短文本进行频繁词集的挖掘,接着使用挖掘的频繁词集来表示每个短文本,然后将每个文本进行向量表示.为了提高... 详细信息

针对传统文本聚类忽略词与词之间的语义关系和数据高维的问题,提出了一种结合新概念分解和频繁词集的短文本聚类.该算法首先对短文本进行频繁词集的挖掘,接着使用挖掘的频繁词集来表示每个短文本,然后将每个文本进行向量表示.为了提高聚类的性能和解决概念分解的限制,提出了一种具有对偶连通约束的正则化概念分解算法,最后使用该算法进行短文本聚类.该算法不仅能对处理后的文本的维度起到很好的降低作用,还可以很好的关联短文本集中的文本,使文本之间的关系不再是独立的.在搜狐新闻和微博短文本数据集上的实验验证了该算法的有效性.

关键词：文本聚类概念分解频繁词集文本表示

在线全文

学校读者我要写书评

暂无评论

基于对偶图正则化的多层概念分解算法

计算机应用研究 2019年第2期36卷 636-640页

作者：张显叶军南京邮电大学理学院南京210023

为了进一步挖掘数据间的隐藏信息,在多层概念分解算法的框架下,考虑每一层分解下的数据流形和特征流形,提出了一种基于对偶图正则化的多层概念分解算法。该算法通过对数据的逐层分解,以分层的方式学习,并在每一层分解数据中构建数据空... 详细信息

为了进一步挖掘数据间的隐藏信息,在多层概念分解算法的框架下,考虑每一层分解下的数据流形和特征流形,提出了一种基于对偶图正则化的多层概念分解算法。该算法通过对数据的逐层分解,以分层的方式学习,并在每一层分解数据中构建数据空间和特征属性空间的拉普拉斯图,用于反映数据流形和特征流形的多元几何结构信息,从而能够更好地从复杂数据中提取出更有效的特征。采用交替迭代的方法求解算法的目标函数并证明了算法的收敛性。通过在三个真实数据库(TDT2、PIE、COIL20)上的实验表明,该方法在数据的聚类表示效果方面优于其他方法。

关键词：概念分解多层分解对偶回归流形学习聚类