×
任振文;雷浩云;孙全森;杨超

多核聚类的同时学习系数矩阵和亲和图。 （英语） Zbl 1475.68293号

信息科学。 547, 289-306 (2021).
摘要：由于处理非线性数据和避免内核定制的有效性，多核聚类（MKC）已被广泛研究，并在挑战非线性聚类任务方面取得了良好的结果。通常，现有的MKC方法主要包括首先利用多核学习（MKL）和样本自表达特性学习系数矩阵，然后利用该系数矩阵构造亲和图来完成谱聚类很大程度上取决于所学习的系数矩阵，因此这两个独立的步骤不利于学习最优亲和图。为了解决这个问题，在本文中，我们提出了一种新的MKC方法，该方法使用一步学习方案而不是两步学习方案来学习亲和图，称为SLMKC。具体来说，SLMKC通过自适应局部结构学习策略，在亲和矩阵和系数矩阵之间架起了桥梁，因此它可以以相互促进的方式同时学习两者。此外，引入自加权MKL策略来学习最优一致核，避免了选择特定核函数和调整相关参数。大量实验证明，我们的SLMKC显著优于最先进的MKC竞争对手。

引用于三文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62小时30分 分类和区分；聚类分析（统计方面）

关键词：

子空间聚类;核方法;多核学习;亲和矩阵
PDF格式BibTeX公司 XML格式引用
\textit{Z.Ren}等人，《信息科学》。547，289--306（2021；Zbl 1475.68293）
全文： 内政部

参考文献：

[1] 阿奎尔，阿里，非局部非奇异核分数阶导数的一种新方法，混沌孤子分形。，114, 478-482 (2018) ·Zbl 1415.34007号
[2] 阿奎尔，阿里，基于再生核函数的再生核希尔伯特空间方法，用于研究粉状非牛顿流体的边界层流动，J.Taibah Univ.Sci。，13, 1, 858-863 (2019)
[3] 阿里·阿奎尔；Modanli，Mahmut，Crank-nicholson差分方法和三阶分数阶微分方程在atangana-baleanu caputo导数意义下的再生核函数，混沌孤子分形。，127，10-16（2019）·Zbl 1448.65088号
[4] Esra Karatas Akul，广义分数导数中线性和非线性微分方程的解。混沌Interdisc。非线性科学杂志。29 (2) (2019) 023108. ·Zbl 1409.34006号
[5] 巴利亚努（Baleanu）、杜米特鲁（Dumitru）；阿兰·费尔南德斯；阿奎尔，阿里，《关于结合比例微分和经典微分积分的分数算子》，《数学》，8，3，360（2020）
[6] James C.Bezdek，Richard J，Hathaway，Vat:视觉评估（集群）趋势的工具，收录于：《2002年神经网络国际联合会议论文集》。IJCNN'02（目录号02CH37290），第3卷，IEEE，2002年，第2225-2230页。
[7] Serhat S.Bucak。；金荣；Jain，Anil K.，《视觉对象识别的多核学习：综述》，IEEE Trans。模式分析。马赫。智力。，36, 7, 1354-1369 (2013)
[8] 邓廷泉；叶东生；马蓉；Hamido Fujita；熊，吕南，用于子空间聚类的低秩局部切空间嵌入，信息科学。，508, 1-21 (2020) ·兹比尔1456.62119
[9] 梁杜、周鹏、石磊、王汉默、范明玉、王文建、沈一东，稳健多核k-means using l21-norm，收录于：IJCAI，2015，第3476-3482页。
[10] 埃桑·埃哈米法尔；Vidal，Rene，《稀疏子空间聚类：算法、理论和应用》，IEEE Trans。模式分析。马赫。智力。，35, 11, 2765-2781 (2013)
[11] Reza Ghaemi，Md.Nasir Sulaiman，Hamidah Ibrahim，Norwati Mustapha等人，《一项调查：聚类集成技术》。世界科学院。科学。工程技术。50 (2009) 636-645.
[12] 何杰弗里；杨明慧；林俊武；Lee，Kuang-Chih；David Kriegman，《不同照明条件下物体的聚类外观》（2003年IEEE计算机学会计算机视觉和模式识别会议论文集（2003）），11-18
[13] 黄新建，庄永玉，陈楚松，谱聚类的亲和聚合，收录于：2012年IEEE计算机视觉与模式识别会议，IEEE，2012年，第773-780页。
[14] 黄新建；庄永玉；陈楚松，多核模糊聚类，IEEE Trans。模糊系统。，20120-134（2012年）
[15] 赵康，肖璐，陆一伟，彭冲，陈文宇，徐增林，保持相似性的结构学习，神经网络第2020页，10.1016/j.neunet.2020.05.030。
[16] 赵康，肖璐，易金凤，徐增林，基于图聚类和半监督分类的自加权多核学习，IJCAI（2018）2312-2318。
[17] 赵康，潘海琪，史蒂芬·CH·海，徐增林，从噪声数据中学习鲁棒图，IEEE Trans。赛博。(2019).
[18] 赵康，冲鹏，郑强，徐增林，最优图的统一谱聚类，载：第三十二届AAAI人工智能会议，2018年，第3366-3373页
[19] 康、赵；温良健；陈文宇；徐增林。，基于图的聚类的低秩内核学习，Knowl-基于系统。，163, 510-517 (2019)
[20] 李春光；Vidal，Rene，《结构化稀疏子空间聚类：统一优化框架》（IEEE计算机视觉和模式识别会议论文集（2015）），277-286
[21] 李春光；你，冲；Vidal，René，结构化稀疏子空间聚类：联合亲和学习和子空间聚类框架，IEEE Trans。图像处理。，26, 6, 2988-3001 (2017) ·兹比尔1409.94342
[22] 李淼淼，刘新旺，王磊，窦勇，尹建平，朱恩，具有局部核对齐最大化的多核聚类，载《第二十五届国际人工智能联合会议论文集》，美国人工智能出版社，2016年，第1704-1710页。
[23] 李勇；刘静；陆汉青；马松德，学习具有类块-对角结构的鲁棒人脸表示，IEEE Trans。Inf.取证安全。，9, 12, 2051-2062 (2014)
[24] 刘光灿；林，周晨；Ju、水城岩；孙勇玉；马，易，用低秩表示实现子空间结构的稳健恢复，IEEE Trans。模式分析。马赫。智力。，35, 1, 171-184 (2012)
[25] 刘光灿，林周晨，余勇，基于低阶表示的鲁棒子空间分割，载《第27届国际机器学习会议论文集》（ICML-10），2010年，第663-670页。
[26] 刘华峰；Jing、Li Ping；Jian，Y.U.，《通过整合社会信息对基于矩阵分解的推荐方法的调查》，J.Software（2018）·Zbl 1413.91071号
[27] 刘新旺；窦勇；尹建平；王磊；Zhu，En，矩阵诱导正则化的多核k均值聚类，（第三十届AAAI人工智能会议（2016）），1888-1894
[28] 吕灿毅；Min，Hai；桂杰；朱林；雷英科，基于加权稀疏表示的人脸识别，J.Visual Commun。图像表示。，24, 2, 111-116 (2013)
[29] 吕灿宜；冯家石；林，周晨；梅、陶；严水成，基于块对角表示的子空间聚类，IEEE Trans。模式分析。马赫。智力。，41, 2, 487-501 (2019)
[30] 吕灿宜；唐金辉；林敏（Lin，Min）；林亮；严水成；Lin，Zhouchen，鲁棒子空间聚类的Corr熵诱导l2图，（IEEE国际计算机视觉会议论文集（2013）），1801-1808
[31] 尼亚兹马迪，赛义德；德米尔，贝古姆；布鲁佐内，洛伦佐；Abdolreza Safari；Homayouni，Saeid，遥感图像分类的多核学习，IEEE Trans。地质科学。遥感，56，3，1425-1443（2017）
[32] 聂飞平；蔡国浩；李静；李雪龙，用于图像聚类和半监督分类的自动加权多视图学习，IEEE Trans。图像处理。，27, 3, 1501-1511 (2017) ·Zbl 1409.94460号
[33] 聂飞平，王晓倩，黄恒，利用自适应邻域进行聚类和预测聚类，载《第20届ACM SIGKDD国际知识发现和数据挖掘会议论文集》，第977-986页。ACM，2014年
[34] 聂飞平；王晓倩；乔丹，迈克尔一世。；黄恒，基于图聚类的约束拉普拉斯秩算法，（第三十届AAAI人工智能会议（2016）），1969-1976
[35] 任振文，李浩然，杨超，孙全森，具有局部结构图的多核子空间聚类和低秩一致核学习，Knowl-基于系统。(2019) 105040.
[36] 任振文，孙全森，为多核聚类同时保持全局和局部图结构，IEEE Trans。神经网络学习。系统。(2020). 10.1109/TNNLS.2020.2991366。
[37] 任振文；孙全森；吴斌；张晓倩；Yan，Wenzhu，Learning tential low rank and sparse embedding for robust image feature extraction，IEEE Trans.（学习用于鲁棒图像特征提取的潜在低秩和稀疏嵌入）。图像处理。，29, 1, 2094-2107 (2019) ·Zbl 07586014号
[38] 任振文，西蒙，孙全森，王涛，多核聚类的一致性亲和图学习，IEEE Trans。赛博。（2020）10.1109/TCYB.2020.3000947。
[39] 唐，晶晶；田英杰；刘，大连；Kou，Gang，用于多视图学习的耦合特权内核方法，信息科学。，481110-127（2019）·Zbl 1443.68157号
[40] 王传利；朱恩；刘新旺；高、龙；尹建平；胡宁，具有全局和局部结构对齐的多内核集群，IEEE Access，677911-77920（2018）
[41] 王浩；Yang，Yan；刘冰；Fujita，Hamido，《基于图形的多视图聚类系统研究》，Knowl-基于系统。，163, 1009-1019 (2019)
[42] 王廷华；鲁杰；张光泉，基于hilbert-schmidt独立准则的两阶段模糊多核学习，IEEE Trans。模糊系统。，26, 6, 3703-3714 (2018)
[43] 文杰；张，鲍勃；徐勇；杨健；Han，Na.，自适应加权非负低阶表示，模式识别。，81326-340（2018）
[44] 肖世杰；谭明奎；Xu，Dong，视频中人脸聚类的加权块解析低秩表示，（欧洲计算机视觉会议（2014），Springer），123-138
[45] 薛哲；杜俊平；杜大伟；Lyu，Siwei，用于多视图聚类的深低秩子空间系综，信息科学。，482, 210-227 (2019) ·Zbl 1446.62185号
[46] 杨超；任振文；孙全森；吴明娜；尹茂伟；Sun，Yuan，鲁棒多核子空间聚类的联合相关熵度量加权和块对角正则化器，Inf.Sci。，500, 48-66 (2019) ·兹比尔1454.62204
[47] 易双燕；梁应义；何振宇；李毅；Cheung，Yiu Ming，子空间学习的双重追求，IEEE Trans。多媒体，21，6，1399-1411（2018）
[48] 周思航，刘新旺，李淼淼，朱恩，刘丽，张长旺，尹建平，带邻域核子空间分割的多核聚类。IEEE传输。神经网络学习。系统。(2020) 1351-1362
[49] 朱继华，姜祖涛，乔治奥斯·伊万杰利迪斯，张长清，彭善敏，李忠余，基于k-means聚类的多视点集高效配准，信息科学。488 (2019) 205-218. ·Zbl 1451.68293号
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。