多视图聚类相关论文
【目的】针对LDA模型中主题数目需指定的问题,提出一种面向新闻话题识别领域的融合语义与时序的自适应主题数目确定方法。【方法】......
越来越多的样本可以通过多个视图的不同特征来表示,数据的多样性和维数日益增长,单视图聚类算法研究已经接近瓶颈。基于特征相互补......
在信息时代,数据呈爆炸式增长,其中大多数为无标签数据,因而对数据进行无监督学习的聚类分析技术越来越重要。目前机器学习算法主......
在真实世界中,聚类算法得到了广泛的应用。基于子空间的聚类又是其中非常重要的一种方法。近年来,得益于深度网络强大的特征表达能......
多视图聚类是机器学习的重要技术,旨在分析多个视图的数据特征对观测数据进行分组。由于基于张量的聚类分析有利于提取视图间的高......
多视图聚类旨在利用不同视图间互为差异、互相补充的信息对数据对象进行聚类。近年来,多视图聚类作为一项重要的无监督机器学习方法......
谱聚类是聚类分析中极具代表性的方法之一,由于其对数据结构没有太多假设要求,受到了研究者们的广泛关注.但传统的谱聚类算法通常......
随着互联网的快速发展,文本数据的表达逐步从单一的视图维度向立体的多视图维度发展。典型的多视图文本表达包含传统的文本主题、......
谱聚类作为聚类算法中较为优秀的算法,近年在各个领域取得了不错的进展。相比较单视图,许多现实世界的应用程序涉及从不同视图收集......
随着数据采集以及互联网和传感器技术的迅猛发展,人们获取的数据从过去的单视图数据逐渐转变为多视图数据。不同的视图之间可以为......
从不同来源、结构或角度描述同一对象的数据称为多视图数据,其往往具有不同的特征表达、结构或维度,且视图间存在相关性、一致性和......
由于在划分无标签且含有缺失实例的多视图数据上具备优势,不完整多视图聚类吸引了越来越多的研究关注。虽然已取得很大进展,大多现......
针对现实社会中由多种表示或视图组成的多视图数据广泛存在的问题,深度矩阵分解模型因其能够挖掘数据的层次信息而备受关注,但该模......
多视图新闻数据聚类分析可以快速从海量新闻中获得有价值的信息,在舆情分析、个性化新闻推荐、情感分析、预警等领域能够得到较好......
随着时代发展,机器学习算法所使用的数据维度以及样本数量均已达到前所未有的规模。传统的聚类算法的假设已不再有效,其时间复杂度......
随着数据采集手段的不断增多,真实数据往往由多个模态组成或来自多个来源,这样的数据称为多视图数据。对多视图数据进行机器学习任......
聚类算法是机器学习、数据挖掘领域重要的研究内容,它能够自动地从海量无标签的数据中提取信息使得相似的数据被聚在一起而不相似......
随着科技不断进步,在许多科学和工业领域产生了大量的数据。这些数据由多种特征表示,形成了多视图数据。因此处理这类数据的多视图......
多视图子空间聚类方法因其可以揭示数据内在的低维结构而被广泛关注,但大多数现有的多视图子空间聚类算法直接将多个来自原始数据......
为了获得结构更加合理的相似矩阵,提出了基于谱聚类和L2,1范数的多视图聚类算法.该算法首先将改进的多视图亲和矩阵利用L2,1范数正......
近年来,多核聚类(MKC)在融合多源信息以提高聚类性能方面取得了显著进展。但是,以n表示样本数,O(n2)内存消耗和O n 3计算消耗限制......
基于自表示子空间聚类的多视图聚类引起越来越多的关注.大多数现有算法假设每个样本的所有视图都可获得,然而在实际应用中,由于各......
随着互联网的深入发展,人类生产的数据飞速增长,这使得互联网成为大数据的主要来源。其中一类重要的数据就是实体,不同于一般意义上的......
当前实际应用产生的数据维度越来越高,受维度效应的影响,许多在低维数据上表现良好的聚类方法运用在高维数据上时无法获得好的聚类效......
随着计算机和网络技术的蓬勃发展,社会化媒体越来越受到广大网民的日益关注。近年来,微博作为一种新型的社会化媒体,已经得到了人们的......
高通量实验技术产生了大量的医学网络数据,多个维度的网络数据为从整体角度对细胞功能进行研究提供了平台。检测网络中的分子功能......
国际疾病分类(ICD)是国际通用的疾病分类标准,并且在临床上的到了广泛的应用。但是国际疾病分类体系的特点是依赖于临床特征的,并......
广告点击率预测是在线广告投放过程中的一项重要任务,有助于理解以广告投放平台为代表的系统特性。在线广告运营是通过后台计算与......
随着各种电子设备的不断进化和发展,我们已经迈入了大数据时代。人类生活中的数据通常产生于不同的数据源或者从不同的视角来描述,......
随着计算机技术的发展,数据采集渠道与特征提取器的种类日趋多样,使得同一对象可以从不同层面进行描述,从而产生多个视图形成多视......
随着各种数据采集手段的增多,真实数据往往呈现多模态或来自多个异构源,形成了多视图数据。而以此数据为研究对象进行机器学习任务......
随着互联网信息技术的发展,数据成为人们生产活动和社会生活的重要组成部分。由于互联网时代产生了海量的数据,导致其会呈现出高维......
文本信息目前作为人们最大信息来源之一,在现实社会中担负着传播知识的作用。但是由于文本信息具有易复制性,导致很多人为了自己的......
数据分析从海量数据中分析提取有用的信息和知识而得到了快速发展,现今已广泛应用于各行各业。传统的数据分析方法都是基于完整的......
本文中,我们研究了协同聚类,并将相关概念与信息安全中的聚类分析联系起来;在这个问题中,我们关注于纷繁复杂的网络攻击时代中,随......
信息技术与计算机技术的发展,使得在很多实际应用中产生了具有多种特征表示的多视图数据。以多视图数据为研究对象的多视图学习,旨......
随着信息采集技术的迅猛发展,多视图数据在实际应用中随处可见。如何从多视图数据中提取有用信息成为目前模式识别领域的研究热点......
随着信息采集技术的快速发展和计算机存储能力的提高,数据量增长迅速,与此同时,数据内部结构更加复杂,如何在规模庞大和结构复杂的......
聚类是数据挖掘、计算机视觉、模式识别、和生物医学信息处理中的一项基本技术,并已广泛用于人脸识别和推荐。近年来,随着互联网、......
网络新闻内容除了直接的文本信息之外,通常还使用高度语义概括后的标签信息对新闻中出现的图片、音视频等多媒体信息进行描述,使得......
多视图聚类旨在综合利用视图数据中的一致信息和互补信息实现对数据的划分,但各视图表征数据的能力参差不齐,甚至有的视图可能含有......
针对现存的基于自适应邻域的多视图聚类算法没有考虑噪声和共识图信息损失的问题,提出一种基于自适应邻域的鲁棒多视图聚类(RMVGC)......
聚类是计算机视觉和机器学习研究中的一项重要任务。它广泛用于各个领域中,如图像分割、图像分类、场景分析、运动建模以及医学图......
缺失数据普遍存在于医疗诊断、环境监测、社会调查等各个领域。随着机器学习技术在这些领域的广泛使用,对含有缺失的数据进行学习......
基于图谱理论的多视图聚类是该领域的代表性方法之一.然而,现有模型尚存在3个问题.1)这类方法大多没有考虑不同视图之间的聚类性能......