【摘 要】
：
实际应用中的数据往往都有多种形式,比如不同的模态、来源和特征,多视图的信息分别用来描述某个事物不同的方面,如果只使用一个视图的信息,分析将缺乏全面性,如果可以同时利用多个视图的信息,将会有效的加强数据分析的效果。多视图聚类已经成为了计算机视觉和机器学习领域的一个重要研究课题,它的目标是得到一个多视图一致的划分结果。但是目前的多视图数据仍然存在两个主要挑战:一方面,数据的多个视图之间有复杂的非线性关
论文部分内容阅读
实际应用中的数据往往都有多种形式,比如不同的模态、来源和特征,多视图的信息分别用来描述某个事物不同的方面,如果只使用一个视图的信息,分析将缺乏全面性,如果可以同时利用多个视图的信息,将会有效的加强数据分析的效果。多视图聚类已经成为了计算机视觉和机器学习领域的一个重要研究课题,它的目标是得到一个多视图一致的划分结果。但是目前的多视图数据仍然存在两个主要挑战:一方面,数据的多个视图之间有复杂的非线性关联;另一方面,多视图数据通常是高维的,并且不同视图之间是高度异构的。除此之外,当前的子空间聚类算法的复杂度很高,伸缩性较差。为此,本文提出了三种方法来解决这些问题。（1）基于核化多视图隐表示学习的子空间聚类。该工作提出了一种基于表示学习的子空间聚类方法。通过增强隐表示和每个视图的核相关性来灵活地建立一个隐表示,从而使隐表示可以编码多个视图的完备信息。该工作中引入了核相关性度量来挖掘多个视图之间的复杂非线性关联。该工作采用交替方向乘子法（ADM）来优化目标函数,在真实数据集上达到了比对比方法更好的聚类性能。（2）层次化的多视图子空间聚类。该工作提出一种相互指导的多层自表示学习方法,包括两个主要成分:层次化自表示层和反向编码网络。前者通过建立相互指导的多层自表示来层次地挖掘高维数据潜在的低维子空间结构;后者挖掘了不同视图之间的复杂关联,并且潜在地使每个视图的子空间结构趋于一致。隐表示将多层自表示连接起来,灵活地编码所有视图的信息,从而能够更加全面的描述数据,大量的实验验证了该算法的有效性。（3）可伸缩自监督多视图子空间聚类。本工作以自监督的方式训练分类器,分类器一旦训练好,就可以预测未知数据的标签,而不需要重新聚类或计算关系矩阵。该模型以小批量的方式来训练,可以很容易地迁移到大数据上。该方法在多个公开数据集上都明显超过了其它子空间聚类方法。
其他文献
＜正＞为贯彻落实少捕慎诉慎押刑事司法政策，降低诉前羁押率，检察机关对确无逮捕必要的犯罪嫌疑人，依法作出不批准逮捕决定。在羁押率逐年下降，非羁押强制措施适用率不断上升的背景下，传统监管手段已无法满足实践需求，非羁押数字监管为破解非羁押强制措施监管难题，保障刑事诉讼的顺利进行提供了良方。但非羁押数字监管尚处于探索阶段，关于其功能定位、合法性、适用主体权责划分等问题，理论界与实务界仍存在争议，亟待研究解
癌症已被定性为一种异源性疾病。当某些调控细胞生长的基因发生突变时,这种突变会造成细胞生长速度失控,从而导致细胞疯狂的生长和分裂进而导致癌变。癌症可以产生在人身体的任何一个部位。通常,人体中的细胞会根据身体的需要分裂出新的细胞。当原本的细胞受到伤害甚至是死亡时,这些分裂产生的新的细胞将会替代这些受损的细胞。但是,当身体发生癌变时,整个过程会受到巨大影响。癌症所导致的异常的细胞分裂速度会导致当某些细胞
近年来,随着无线网络的发展和智能终端功能的多样化,基于位置的服务（Location Based Service,LBS）也日渐成熟。在人们享受LBS提供便利的同时,定位信息也被收集用来挖掘对商家有用的潜在信息,因此移动用户的隐私也受到威胁。比如,攻击者可以通过挖掘用户的定位信息窃取用户的兴趣爱好、生活习惯等隐私信息。已经存在的基于定位信息单点扰动的位置隐私保护方法通常难以抵御推断攻击,因此出现了基
图像转换在现实生活中有广泛的应用场景,在图像转换任务中,素描图像到真实图像的转换是一类特殊任务,由于素描图像只包含单一色彩,与真实图像的像素差异很大,因此传统方法很难达到理想的效果。随着深度学习的不断发展,这一任务成为了当前研究的热点之一。随着生成对抗网络（GAN）的提出,素描图像到真实图像转换这一任务的性能得到大幅提升,出现了很多基于GAN的转换方法及模型,但是这些方法都存在一些不足:（1）这些
内存泄漏是广泛存在于C或C++程序中的一种内存漏洞,原因在于C或C++语言依赖于显式的内存管理,需要手动释放不再使用的内存对象,容易造成内存泄漏。内存泄漏的积累会导致程序运行减慢甚至系统崩溃。当前多数工作聚焦于内存泄漏的自动化检测,而对内存泄漏的修复工作主要依靠程序开发人员手工修复,依赖于程序开发人员的专业知识和行业经验。然而,人工修复错误是一个困难、耗时并且非常容易出错的过程,如何自动化地修复内
手语是聋人与听人、聋人之间交流的主要途径。手语词语主要是由手臂、手腕、手指的动作和朝向、面部表情、身体姿势等共同表达。手语视频的研究具有重要实际应用和科学研究价值。手语识别的目的是将手语视频识别为对应文本词或者文本语句,这要求手语识别模型可以准确提取手语视频的特征信息,消除手语视频与自然语言之间的鸿沟。目前手语识别面临两个主要问题:第一,从手语视频数据本身考虑,由于手语视频含有过多的冗余信息,例如
在图数据管理领域,最短路径查询是一类非常重要的问题,但在实际的应用场景中,用户往往会设置多样化的查询条件,并在这些查询条件的限制下进行最短路径查询。本文研究了在某些特定的限制条件下的最短路径查询问题,一种是给定一个节点集合,返回得到的具有最小权重值的路径中的所有节点,必须属于该节点集合,因此该问题可以抽象为基于给定子图的最短路径查询问题;另一种是图的权重向量具有多个维度,给定一个线性计算函数,将多
肝性脑病（Hepatic encephalopathy,HE）是一种严重肝硬化引起的认知功能异常并发症,一年内死亡率很高。轻微肝性脑病（Mild hepatic encephalopathy,MHE）转换为肝性脑病的概率非常高,因此准确地从无肝性脑病的肝硬化（no Hepatic encephalopathy,no HE）患者中准确识别轻微肝性脑病,对降低肝性脑病死亡率具有重要意义。过去的研究中,
在移动通信技术不断升级的背景下,虚拟现实和智能手环等智能终端逐渐走进了人们的日常生活。由于架构的集中性,移动网络已经无法承载海量数据的传输业务。边缘缓存技术被业界普遍认为是一种有效的解决方案,它通过在网络的边缘存储和转发部分流行内容来减少网内和网间的流量,在优化网络资源的同时缩短了请求的响应时延。然而,相关研究工作主要集中在基站,却忽略了计算和存储能力均日益增长的移动终端在边缘缓存架构中的潜力。移
随着信息技术和互联网的发展,人们逐渐从信息匮乏的时代走入了信息过载的时代。如何在大量信息中发现有用的并让其为人类更好的服务是一个问题。推荐系统就是解决这一问题的重要工具,其任务就是联系用户和信息,使得两者有更好的交互。但是由于人们的隐私安全性意识逐渐增强,很多情况下用户的身份信息是不能够公开的,因此作为专为匿名用户打造的会话推荐系统成为推荐系统领域的热点。它旨在通过一系列匿名会话更有效地预测用户的