衍射

F、 巴赫和Z.Harchaoui。一个灵活的、有区别的ac聚类框架。本文提出了一种新的线性聚类框架，它依赖于线性判别代价函数和组合优化问题的凸松弛。通过一系列低维奇异值分解来求解大型凸优化问题。该框架具有以下几个吸引人的特性：（1）虽然与K-means相似，但它比K-means具有更好的聚类性能，特别是在对噪声的鲁棒性方面。（2） 如果判别代价函数是基于正定核的，则它可以很容易地推广到非线性聚类，并且可以看作是谱聚类的一种替代方法。（3） 关于分区的先验信息很容易被合并，从而导致了用于半监督学习、聚类或分类的最新性能。我们给出了我们的算法在合成和真实中尺度数据集上的经验评估

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH参考文献（参考 4篇文章 参考）

显示第1到第4个结果，共4个。
按年份排序(引用)

  1. Flammarion，Nicolas；Palaniappan，Balamurugan；Bach，Francis:稀疏正则化的鲁棒区分聚类（2017）
  2. Sugiyama，Masashi；Niu，Gang；Yamada，Makoto；Kimura，Manabu；Hachiya，Hirotaka:基于平方损失互信息的信息最大化聚类（2014）
  3. Sugiyama，Masashi:具有平方损失互信息的机器学习（2013）
  4. Kokiopoulou，E.；Chen，Jie；Saad，Yousef:降维方法中的迹优化和特征问题。（2011年）