肖成龙；张忠鹏；王珊珊；张锐；王万丽；西安魏 基于流形正则化和成对约束的深度半监督谱聚类算法。 （中文。英文摘要） Zbl 1474.68281号 J.系统。科学。数学。科学。 40，第8期，1325-1341（2020）. 摘要：现有的子空间聚类方法基于全局线性数据集，利用先验约束估计未标记数据点的潜在子空间，并将其聚类为相应的组，因此可能无法处理具有非线性结构的数据。基于深度学习在许多应用中取得的巨大成功，以及其强大的非线性表示能力，本文通过与自动编码器的联合学习，提出了一种新的深度半监督谱聚类方法，该方法将流形学习的正则化和成对约束结合到数据表示结构中，利用（k）-最近邻约束构造相似矩阵。一方面，该方法同时保留了数据局部流形结构的重构和全局特征；另一方面，将已知样本之间的配对约束规则集成到目标优化设计中，使学习到的低维特征更具鉴别能力，提高了算法的聚类性能。最后，采用相关的聚类算法进行聚类。在多个数据集上进行了子空间聚类的广泛实验。结果表明，该算法取得了较好的聚类结果。 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 68T07型 人工神经网络与深度学习 关键词：子空间聚类；成对约束；自动编码器；相似矩阵；流形正则化 PDF格式BibTeX公司 XML格式引用 \textit｛C.Xiao｝等人，J.Syst。科学。数学。科学。40，编号8，1325-1341（2020；兹bl 1474.68281）