×
杨益阳；邓素成；卢、胡安；李宇红；龚志国；U、 梁厚（Leong Hou）；郝志峰

GraphLSHC：走向大规模谱超图聚类。 （英语） Zbl 1475.68306号

信息科学。 544, 117-134 (2021).
摘要：Hypergraph被广泛用于统一描述对象之间的多关系，谱聚类被认为是将这些对象（顶点）划分为不同社区的最有效算法之一。然而，超图（HC）的传统谱聚类在时间和空间上都付出了昂贵的代价。本文提出了一个名为GraphLSHC的框架来解决大规模超图谱聚类所面临的可扩展性问题。在我们的解决方案中，GraphLSHC中使用的超图被扩展为一种通用格式，以捕获复杂的高阶关系。此外，GraphLSHC能够根据“特征技巧”同时划分顶点和超边，这为降低聚类的计算复杂度提供了一种方法。为了进一步提高性能，提出了几种基于超边的采样技术，它可以用整个图形信息来补充采样矩阵。我们还为补遗的误差边界提供了理论保证。几项实验表明，该框架优于最先进的算法。

引用于4文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
05C65号 Hypergraphs（Hypergraph）
62H30型 分类和区分；聚类分析（统计方面）

关键词：

机器学习；无监督学习；群集；超图

软件：

RCV1型；DeepWalk公司；图LSH；线路
PDF格式BibTeX公司 XML格式引用
\textit{Y.Yang}等人，《信息科学》。544117--134（2021年；Zbl 1475.68306）
全文： 内政部

参考文献：

[1] 王，S。；Siskind，J.M.，带比率切割的图像分割，PAMI，25，6，675-690（2003）
[2] 周，D。；黄，J。；Schölkopf，B.，《超图学习：聚类、分类和嵌入》，NIPS，1601-1608（2006）
[3] 史J。；Malik，J.，标准化切割和图像分割，PAMI，22，8，888-905（2000）
[4] M.Meila，J.Shi，光谱分割的随机漫步视图。aistats、Ai和统计学。
[5] Ng，A.Y。；约旦医学院。；Weiss，Y.，《关于谱聚类：分析和算法》，NIPS，849-856（2001）
[6] Purkait，P。；Chin，T。；萨德里，A。；Suter，D.，用超图聚类：大型超边的案例，PAMI，39，9，1697-1711（2017）
[7] J.Bu，S.Tan，C.Chen，C.Wang，H.Wu，L.Zhang，X.He，统一超图音乐推荐：结合社交媒体信息和音乐内容，收录于：MM，2010年，第391-400页。doi:10.1145/1873951.1874005。
[8] Scabini，L.F.S。；里巴斯，L.C。；Bruno，O.M.，用于颜色纹理分析的空间光谱网络，Inf.Sci。，515, 64-79 (2020)
[9] 刘，Q。；孙，Y。；王，C。；刘，T。；Tao，D.，图像聚类和半监督分类的弹性网超图学习，IEEE Trans。图像处理，26，1，452-463（2017）·Zbl 1409.94387号
[10] 郑，X。；罗，Y。；Sun，L。；丁，X。；张杰，基于超图拓扑结构的新型社交网络混合推荐系统，万维网，21，4，985-1013（2018）
[11] X.Zhao，N.Wang，H.Shi，H.Wan，J.Huang，Y.Gao，带成本区间优化的超图学习，载于：第三十二届AAAI论文集2-72018，第4522-4529页。
[12] 黄，Y。；刘，Q。；吕，F。；龚，Y。；Metaxas，D.N.，通过超图分区进行无监督图像分类，PAMI，33，6，1266-1273（2011）
[13] 李，X。；胡，W。；沈，C。；Dick，A.R。；Zhang，Z.M.，稳健谱聚类的上下文超图构建，TKDE，26，10，2588-2597（2014）
[14] 黄，S。；Elgammal，A.M。；Yang，D.，关于超边缘权重对超图学习的影响，图像视觉计算。，5789-101（2017）
[15] 东，Z。；王，S。；刘强，复杂网络中基于光谱的社区检测假设检验，信息科学。，512, 1360-1371 (2020) ·Zbl 1457.91305号
[16] 张凯。；Kwok，J.T.，用于大规模流形学习和降维的聚类nyström方法，TNN，21，10，1576-1587（2010）
[17] 李，M。；Bi，W。；Kwok，J.T.（郭，J.T.）。；Lu，B.，使用随机SVD的大尺度nyström核矩阵近似，TNNLS，26，1，152-164（2015）
[18] 贾，H。；丁，S。；杜，M。；Xue，Y.，无特征分解的近似归一化切割，Inf.Sci。，374, 135-150 (2016) ·Zbl 1428.68241号
[19] 蔡，D。；Chen，X.，基于陆地稀疏表示的大规模谱聚类，TCYB，45，8，1669-1680（2015）
[20] Yu，J。；朱，C。；张杰。；黄，Q。；Tao，D.，用于位置识别的带加权三重态损失的空间金字塔增强网络，IEEE Trans。神经网络学习。系统。，31, 2, 661-674 (2020)
[21] 莫汉，M。；Monteleoni，C.，《超越nystrom近似：使用均匀采样和加权核k-means加速光谱聚类》，IJCAI，2494-2500（2017）
[22] M.Vladymyrov，M.á。Carreira-Perpiñán，大规模流形学习的局部线性地标，收录于：ECML PKDD，2013年，第256-271页。doi:10.1007/978-3642-40994-3_17。
[23] 弗拉迪米罗夫，M。；Carreira-Perpiñán，M.á。，用于大规模谱问题的变分nystrom方法，ICML，211-220（2016）
[24] C.洪。；Yu，J。；陶，D。；Wang，M.，通过多视图位置敏感稀疏检索实现基于图像的三维人体姿势恢复，IEEE Trans。工业电子，62，6，3742-3751（2015）
[25] Yu，J。；Tan，M。；张，H。；陶，D。；Rui，Y.，用于细粒度图像识别的分层深度点击特征预测，IEEE模式分析和机器智能汇刊（2019），1-1
[26] F.Tian，B.Gao，Q.Cui，E.Chen，T.Liu，学习图聚类的深度表示，载：C.E.Brodley，P.Stone（编辑），第二十八届AAAI人工智能会议论文集，2014年7月27日至31日，加拿大魁北克市，AAAI出版社，2014年，第1293-1299页。网址：http://www.aaai.org/ocs/index.php/aaai/AAAI14/paper/view/8527。
[27] 张杰。；Yu，J。；Tao，D.，无监督降维的局部深层特征对准，IEEE Trans。图像处理。，27, 5, 2420-2432 (2018) ·Zbl 1409.94749号
[28] B.Perozzi，R.Al-Rfou，S.Skiena，《Deepwalk:在线学习社会表征》，载于：S.A.Macskassy，C.Perlich，J.Leskovec，W.Wang，R.Ghani（编辑），第20届ACM SIGKDD国际知识发现和数据挖掘会议，KDD’14，美国纽约州纽约市-2014年8月24日至27日，ACM，2014年，第701-710页。doi:10.1145/2623330.2623732。网址：doi:10.145/2623330.2623732。
[29] J.Tang，M.Qu，M.Wang，M..Zhang，J.Yan，Q.Mei，LINE:大规模信息网络嵌入，载于：A.Gangemi，S.Leonardi，A.Panconesi（编辑），《第24届万维网国际会议论文集》，WWW 2015，意大利佛罗伦萨，2015年5月18日至22日，ACM，2015年，第1067-1077页。doi:10.1145/2736277.2741093。网址：doi:10.1145/2736277.2741093。
[30] Xu，R。；Che，Y。；王，X。；胡，J。；Xie，Y.，通过集成聚类框架基于堆叠自动编码器的社区检测方法，Inf.Sci。，526, 151-165 (2020)
[31] Sunderrajan，S。；Manjunath，B.S.，用于重新识别和摘要的上下文感知超图建模，TMM，18，1，51-63（2015）
[32] Dhillon，I.S.，使用二部谱图划分对文档和单词进行共聚类，KDD，269-274（2001）
[33] 福克斯，C.C。；Belongie，S.J。；Chung，F.R.K。；Malik，J.，使用nyström方法进行光谱分组，PAMI，26，2，214-225（2004）
[34] M.Li，J.T.Kwok，B.Lu，《使大规模nyströM近似成为可能》，载于：ICML，2010年，第631-638页。
[35] X.Chen，D.Cai，基于地标表示的大规模光谱聚类，载于：AAAI，2011年第5卷，第14页。
[36] 德里尼亚斯，P。；Kannan，R。；Mahoney，M.W.，矩阵的快速蒙特卡罗算法II：计算矩阵的低阶近似，SIAM J.Compute。，36, 1, 158-183 (2006) ·Zbl 1111.68148号
[37] Achlioptas，D。；McSherry，F.，低阶矩阵近似的快速计算，J.ACM，54，2，9（2007）·Zbl 1311.94031号
[38] B.Ghojogh，F.Karray，M.Crowley，特征值和广义特征值问题：教程，arXiv预印本arXiv:1903.11240。
[39] 王，S。；Zhang，Z.，通过自适应采样改进CUR矩阵分解和nyström近似，机器学习研究杂志，14，1，2729-2769（2013），URL:http://dl.acm.org/citation.cfm？id=2567748 ·Zbl 1318.65023号
[40] 刘易斯，D.D。；Yang，Y。；Rose，T.G。；Li，F.，Rcv1:文本分类研究的新基准集合，JMLR，5，2，361-397（2004）
[41] Chen，W。；宋，Y。；Bai，H。；林，C。；Chang，E.Y.，分布式系统中的并行谱聚类，PAMI，33，3，568-586（2011）
[42] 蔡，D。；何，X。；Han，J.，使用局部保持索引的文档聚类，TKDE，17，12，1624-1637（2005）
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。