×
李秋德;熊庆余;季生芬;高敏;于，杨;吴超

混合数据上分类属性的多视图异构融合和嵌入。 （英文） Zbl 1491.68164号

软计算。 24，第14号，10843-10863（2020）.
摘要：分类属性在实际收集的数据中普遍存在。然而，此类属性缺乏定义良好的距离度量，无法通过代数运算直接操作，因此许多数据挖掘算法无法直接处理它们。对于具有多视图异构数据特征的类别属性，学习适当的度量或有效的数字嵌入是非常重要但具有挑战性的。提出了一种新的多视图异构融合模型（MVHF），该模型首先捕获每个视图的基本耦合信息，然后通过多核度量学习将来自不同视图的异构信息进行融合，以度量此类类别属性之间的内在距离；基于这些测量的距离，我们进一步使用流形学习方法来学习每个分类值的高质量数字嵌入。在33个混合数据集上的实验表明，与最先进的距离度量或嵌入竞争对手相比，支持MVHF的分类显著提高了性能。

MSC公司：

68T05型 人工智能中的学习和自适应系统
68T09号 数据分析和大数据的计算方面

关键词：

类别属性;耦合学习;异质融合;度量学习;嵌入学习
PDF格式BibTeX公司 XML格式引用
\textit{Q.Li}等人，《软计算》。24，第14号，10843--10863（2020；Zbl 1491.68164）
全文： 内政部

参考文献：

[1] 啊哈，DW；Kibler，D。；Albert，MK，基于实例的学习算法，《马赫学习》，6，1，37-66（1991）
[2] 艾奇逊，J。；Aitken，CG，通过核方法进行多元二进制识别，Biometrika，63，3，413-420（1976）·Zbl 0344.62035号
[3] 亚历山大（Alexandridis），A。；软骨病，E。；Giannopoulos，N。；Sarimveis，H.，分类径向基函数网络的快速高效训练方法，IEEE Trans Neural Netw Learn Syst，28，11，2831-2836（2017）
[4] Bashan，Y。；Neagu，D。；MJ Ridley，《比较异质对象的框架：模糊、数值和类别属性的相似性度量》，《软计算》，17，9，1595-1615（2013）
[5] Y.本吉奥。；科尔维尔，A。；Vincent，P.，表示学习：综述和新观点，IEEE跨模式分析Mach-Intell，35，8，1798-1828（2013）
[6] Boriah S、Chandola V、Kumar V（2008）分类数据的相似性度量：比较评估。摘自：2008年SIAM数据挖掘国际会议记录，SIAM，第243-254页
[7] Cao，L.，复杂交互的耦合学习，Inf Process Manag，51，2，167-186（2015）
[8] 曹，F。；梁，J。；李，D。；Bai，L。；Dang，C.，k模式聚类算法的差异性度量，基于知识的系统，26，120-127（2012）
[9] Cerda，P。；瓦罗佐，G。；Kégl，B.，《使用脏分类变量进行学习的相似编码》，《马赫学习》，107，1477-1494（2018）
[10] Chang，X。；聂，F。；王，S。；Yang，Y。；周，X。；Zhang，C.，双线性分析的复合秩k预测，IEEE Trans Neural Netw Learn Syst，27，7，1502-1513（2016）
[11] Chang，X。；Yu，Y。；Yang，Y。；Xing，EP，未剪辑视频中复杂事件分析的语义池，IEEE Trans-Pattern Ana Mach Intell，39，8，1617-1632（2017）
[12] Chen，L。；王，S。；王凯。；Zhu，J.，概率距离分类数据的软子空间聚类，模式识别，51，322-332（2016）
[13] Chen，L。；Ye，Y。；郭，G。；Zhu，J.，基于核的分类数据线性分类，软计算，20，8，2981-2993（2016）·Zbl 1373.62302号
[14] 科恩，P。；西，SG；艾肯，LS，《行为科学应用多元回归/相关分析》（2014），伦敦：心理学出版社，伦敦
[15] 考克斯，MAA；Cox，TF，多维定标，《美国统计学会期刊》，46，2，1050-1057（2001）·Zbl 1004.91067号
[16] 克罗夫特，WB；梅茨勒，D。；斯特罗曼，T.，《搜索引擎：实践中的信息检索》（2010年），《阅读：艾迪森·韦斯利》，《阅读》
[17] Demšar，J.，多数据集上分类器的统计比较，J Mach Learn Res，7，1月，1-30（2006）·Zbl 1222.68184号
[18] 糖尿病，糖尿病；El Hindi，K.，《使用差分进化改进标称值的距离测量》，应用软件计算，64，14-34（2018）
[19] A.弗兰克。；Asuncion，A.，UCI机器学习库（2010），欧文：加州大学欧文分校信息与计算机科学学院
[20] Golinko E，Sonderman T，Zhu X（2017）CNFL：用于聚类和分类的类别到数字特征学习。2017年IEEE第二届网络空间数据科学国际会议（DSC）。IEEE，第585-594页
[21] 郭C，Berkhahn F（2016）范畴变量的实体嵌入。arXiv预打印arXiv:1604.06737
[22] 埃尔南德斯·佩雷拉，E。；苏亚雷斯-罗梅罗，JA；Fontenla-Romero，O。；Alonso-Betanzos，A.，《符号特征的转换方法：应用于入侵检测问题的比较》，专家系统应用，36，7，10612-10617（2009）
[23] Hsu CW，Chang CC，Lin CJ等人（2003）支持向量分类实用指南
[24] 伊恩科，D。；Pensa，RG，分类数据中的正向和未标记学习，神经计算，196113-124（2016）
[25] 伊恩科，D。；彭萨，RG；Meo，R.，《从上下文到距离：分类数据聚类的学习差异性》，ACM Trans-Knowl Discov data（TKDD），6，1，1（2012）
[26] Jain P，Kulis B，Dhillon IS（2010）核函数的归纳正则化学习。主题：神经信息处理系统的进展，第946-954页
[27] Jain，P。；库利斯，B。；Davis，合资公司；Dhillon，IS，使用线性变换的度量和核学习，J Mach Learn Res，2013年3月13日，519-547（2012）·Zbl 1283.68290号
[28] 贾，H。；Cheung，J。；Liu，J.，分类数据无监督学习的新距离度量，IEEE Trans Neural Netw学习系统，27，5，1065-1079（2016）
[29] 简·S。；曹，L。；卢克。；Gao，H.，非IID分类数据的非监督耦合度量相似性，IEEE Trans-Knowl data Eng，301810-1823（2018）
[30] 简·S。；庞，G。；曹，L。；卢克。；Gao，H.，CURE：通过分层耦合学习实现灵活的分类数据表示，IEEE跨知识数据工程，31853-866（2018）
[31] Kasif，S。；萨尔茨伯格，S。；华尔兹，D。；Rachlin，J。；Aha，DW，基于记忆推理的概率框架，Artif Intell，104，1-2，287-311（1998）·Zbl 0908.68124号
[32] Kim，K。；Js，Hong，回归分析中混合数值和类别数据的混合决策树算法，模式识别Lett，98，39-45（2017）
[33] Kullback，S。；莱布勒，RA，《信息与充分性》，《数学统计年鉴》，22，1，79-86（1951）·Zbl 0042.38403号
[34] Le，SQ；Ho，TB，分类数据的基于关联的差异性度量，模式识别快报，26，16，2549-2557（2005）
[35] LeCun，Y。；博图，L。；Orr，GB；米勒，K。；蒙塔冯，G。；Orr，GB；穆勒，KR，高效后盾，神经网络：交易技巧，9-48（2012），柏林：施普林格出版社，柏林
[36] 李，C。；江，L。；李，H。；吴杰。；Zhang，P.，Toward value difference metric with attribute weighting，知识信息系统，50，3，795-825（2017）
[37] 李，Z。；聂，F。；Chang，X。；Yang，Y.，Beyond trace ratio：多类判别分析中迹比的加权调和平均值，IEEE Trans-Knowl Data Eng，29，10，2100-2110（2017）
[38] 李强。；熊，Q。；季S。；Wen，J。；高，M。；Yu，Y。；Xu，R.，使用微调条件概率进行标称属性的数据转换，模式识别快报，128，107-114（2019）
[39] 米勒，B。；莱因哈特，J。；斯特里克兰，MT，《神经网络：简介》（2012），柏林：施普林格出版社，柏林
[40] 纳多，C。；Bengio，Y.，《泛化误差的推断》，《马赫学习》，52，3，239-281（2003）·兹比尔1039.68104
[41] Ng、MK；马克·俊杰（Mark Junjie，L.）。；Joshua Zhexue，H。；曾友，H.，《关于k模式聚类算法中差异性度量的影响》，IEEE Trans-Pattern Ana Mach Intell，29，3，503-507（2007）
[42] Ortakaya，AF，独立加权值差异度量，模式识别快报，97，61-68（2017）
[43] 欧阳，D。；李强。；Racine，J.，交叉验证和分类数据概率分布估计，《非参数统计杂志》，18，1，69-100（2006）·Zbl 1087.62051号
[44] 压力，WH；Flannery，英国石油公司；Teukolsky，SA；Vetterling、WT、数字食谱。科学计算艺术（1986），伦敦：剑桥大学，伦敦·Zbl 0587.65003号
[45] 斯坦菲尔，C。；Waltz，D.，《迈向基于记忆的推理》，Commun ACM，29，12，1213-1228（1986）
[46] 王，C。；Dong，X。；周，F。；曹，L。；Chi，CH，分类数据的耦合属性相似性学习，IEEE Trans Neural Netw Learn Syst，26，4，781-797（2015）
[47] Wang，H。；冯·L。；Liu，Y.，基于几何平均的相似性度量的度量学习，软计算，20，10，3969-3979（2016）
[48] Zhang K，Wang Q，Chen Z，Marsic I，Kumar V，Jiang G，Zhang J（2015）《从范畴到数字：多重传递性远程学习与嵌入》。摘自：2015年SIAM数据挖掘国际会议记录。SIAM，第46-54页
[49] 赵伟。；李强。；朱，C。；宋，J。；刘，X。；Yin，J.，《模型软件分类数据嵌入：数据驱动方法》，《软计算》，223603-3619（2018）·Zbl 1398.68470号
[50] 郑琦。；刁，X。；曹，J。；刘，Y。；李，H。；姚，J。；Chang，C。；Lv，G.，从整体到部分：基于参考的分类数据聚类表示，IEEE Trans Neural Netw Learn Syst（2019）·doi:10.1109/TNNLS.2019.2911118
[51] 周，ZH，《机器学习》（2016），北京：清华出版社，北京
[52] 朱，C。；曹，L。；刘，Q。；尹，J。；Kumar，V.，《具有层次耦合的类别数据的异构度量学习》，IEEE Trans-Knowl data Eng，30，7，1254-1267（2018）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。