×
陈光良;吉拉德·勒曼

混合线性建模的多路谱聚类框架的基础。 （英语） Zbl 1176.68155号

已找到。计算。数学。 9，第5期，517-558（2009）。
摘要：混合线性建模（HLM）的问题是使用仿射子空间的混合来建模和分割数据。已经提出了不同的策略来解决这个问题，但是，缺少证明其性能的严格分析。本文提出了理论谱曲率聚类（TSCC）算法来解决HLM问题，并对其进行了仔细的分析。TSCC算法实际上是Govindu的多路谱聚类框架和A.Ng，M.乔丹和Y.维斯的谱聚类算法[（*）Adv.Neural Inf.Proc.Syst.14，849–856（2001）]。本文的主要结果表明，如果给定数据是从围绕仿射子空间的混合分布中采样的，那么TSCC算法将以较高的采样概率很好地分割不同的底层簇。聚类的优劣取决于簇内误差、簇间相互作用以及TSCC应用的调整参数。该证据还为Ng等人（*）的分析提供了新的见解。

引用于17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）
62J12型 广义线性模型（逻辑模型）
62M15型 随机过程的推断与谱分析

关键词：

理论光谱曲率聚类

软件：

算法862;HLM公司
PDF格式BibTeX公司 XML格式引用
\textit{G.Chen}和\textit{G.Lerman}，已找到。计算。数学。9，第5号，517--558（2009；Zbl 1176.68155）
全文： 内政部 arXiv公司

参考文献：

[1] S.Agarwal，K.Branson，S.Belongie，《图形的高阶学习》，载《第23届国际机器学习会议论文集》，第148卷（2006年），第17-24页。
[2] S.Agarwal，J.Lim，L.Zelnik-Manor，P.Perona，D.Kriegman，S.Belongie，Beyond pairwise clustering，摘自《2005 IEEE计算机视觉和模式识别会议论文集》（CVPR'05），第2卷（2005），第838-845页。
[3] E.Arias-Castro，D.Donoho，X.Huo，用快速多尺度方法对几何物体进行近最优检测，IEEE Trans。《信息论》51（7）（2005）·Zbl 1282.94014号
[4] B.Bader，T.Kolda，《862算法：快速算法原型的MATLAB张量类》。ACM事务处理。数学。柔和。32(4), 635–653 (2006). http://www.citeulike.org/user/bamberg/article/2875626 ·Zbl 1230.65054号 ·doi:10.1145/1186785.1186794
[5] P.Bradley，O.Mangasarian，k平面聚类，J.Glob。最佳方案。16(1), 23–32 (2000). ·兹比尔0990.90135 ·doi:10.1023/A:1008324625522
[6] M.Brand，K.Huang，谱嵌入和聚类的统一定理，第九届人工智能和统计国际研讨会论文集，2003年1月。
[7] G.Chen，G.Lerman，谱曲率聚类（SCC），国际计算杂志。视觉。81(3), 317–330 (2009). ·doi:10.1007/s11263-008-0178-9
[8] J.Costeira，T.Kanade，《独立运动物体的多体分解方法》，国际计算机杂志。视觉。29(3), 159–179 (1998). ·doi:10.1023/A:1008000628999
[9] M.Fischler，R.Bolles，《随机样本共识：模型拟合范式与图像分析和自动制图应用》，Commun。ACM 24（6），381-395（1981）。 ·数字对象标识代码：10.1145/358669.358692
[10] G.Golub，C.Van Loan，《矩阵计算》（约翰·霍普金斯大学出版社，巴尔的摩，1996年）·兹比尔0865.65009
[11] V.Govindu，几何分组和分割的张量分解，载于CVPR，第1卷，2005年6月，第1150–1157页。
[12] P.Gruber，F.Theis，Grassmann聚类，在Proc。EUSIPCO 2006年，意大利佛罗伦萨，2006年。
[13] G.Haro，G.Randall，G.Sapiro，《分层学习的转换泊松混合模型》，国际计算机杂志。视觉。80(3), 358–374 (2008). ·Zbl 1477.68265号 ·文件编号：10.1007/s11263-008-0144-6
[14] J.Ho，M.Yang，J.Lim，K.Lee，D.Kriegman，《不同照明条件下物体的聚类外观》，《计算机视觉和模式识别国际会议论文集》，第1卷（2003年），第11-18页。
[15] A.Hyvärinen，E.Oja，《独立成分分析：算法和应用》，神经网络。13(4–5), 411–430 (2000). ·doi:10.1016/S0893-6080（00）00026-5
[16] A.Kambhatla，T.Leen，《快速非线性降维》，摘自《神经信息处理系统进展》第6期（1994年），第152-159页。
[17] K.Kanatani，通过子空间分离和模型选择进行运动分割，Proc。第八届ICCV，第3卷，加拿大温哥华（2001），第586–591页。
[18] K.Kanatani，运动分割模型的评估和选择，第七届ECCV，第3卷，2002年5月，第335-349页·Zbl 1039.68662号
[19] D.Kushnir，M.Galun，A.Brandt，快速多尺度聚类和流形识别，模式识别。39(10), 1876–1891 (2006). ·Zbl 1096.68720号 ·doi:10.1016/j.patcog.2006.04.007
[20] L.De Lathauwer，B.De Moor，J.Vandewalle，《多重线性奇异值分解》，SIAM J.Matrix Ana。A 21（4），1253-1278（2000）·Zbl 0962.15005号 ·doi:10.1137/S0895479896305696
[21] G.Lerman，J.T.Whitehouse，关于高维正弦函数的d-维d-半度量和单纯形型不等式。《J近似理论》56（1），52–81（2009）。http://portal.acm.org/citation.scfm？id=1498013·Zbl 1170.46025号 ·doi:10.1016/j.jat.2008.03.005
[22] G.Lerman，J.T.Whitehouse，《高维Menger型曲率——第一部分：几何多极和多尺度不等式》（2008年提交）。可从以下位置获得http://arxiv.org/abs/0805.1425v1 . ·Zbl 1232.28007号
[23] G.Lerman，J.T.Whitehouse，《高维Menger型曲率——第二部分：d-分离和曲率系列》。施工。大约（2009年，接受）。可从以下位置获得http://arxiv.org/abs/0809.0137v1 . ·Zbl 1222.28007号
[24] G.Lerman，J.T.Whitehouse，《通过多向曲率进行概率测量的最小二乘法》（2009年，编制中）·兹比尔1222.28007
[25] Y.Ma，H.Derksen，W.Hong，J.Wright，通过有损编码和压缩对多变量混合数据进行分割，IEEE Trans。模式分析。机器。智力。29(9), 1546–1562 (2007). ·doi:10.1109/TPAMI.2007.1085
[26] Y.Ma，A.Y.Yang，H.Derksen，R.Fossum，子空间排列估计及其在混合数据建模和分段中的应用，SIAM Rev.50（3），413-458（2008）·Zbl 1147.52010年 ·doi:10.1137/060655523
[27] J.MacQueen，《多元观测分类和分析的一些方法》，载于《第五届伯克利数理统计与概率研讨会论文集》，第1卷（加州大学出版社，伯克利，1967年），第281-297页·Zbl 0214.46201号
[28] J.Mairal，F.Bach，J.Ponce，G.Sapiro，A.Zisserman，《用于局部图像分析的判别性学习词典》，收录于Proc。CVPR，阿拉斯加，2008年6月。
[29] C.McDiarmid，《关于有界差异的方法》，载于《组合数学调查》（剑桥大学出版社，剑桥，1989），第148-188页·Zbl 0712.05012号
[30] G.Medioni、M.-S.Lee、C.-K.Tang，《分割和分组的计算框架》（Elsevier，阿姆斯特丹，2000年）·Zbl 0952.68154号
[31] A.Ng、M.Jordan、Y.Weiss，《关于谱聚类：分析和算法》，载于《神经信息处理系统进展》第14期（2001年），第849-856页。
[32] A.Shashua，R.Zass，T.Hazan，使用超对称非负张量因式分解的多向聚类，载于ECCV06，第四卷（2006），第595-608页。
[33] J.Shi，J.Malik，标准化切割和图像分割，IEEE Trans。模式分析。机器。智力。22(8), 888–905 (2000). ·数字对象标识代码：10.1109/34.868688
[34] R.Souvenir，R.Pless，《流形聚类》，第十届计算机视觉国际会议（ICCV 2005），2005年。
[35] A.Szlam，《监督学习的k q-flats修改》（2008年）。
[36] M.Tipping，C.Bishop，概率主成分分析仪的混合，神经计算。11(2), 443–482 (1999). ·doi:10.1162/0899766999300016728
[37] P.H.S.Torr，几何运动分割和模型选择，Philos。事务处理。R.Soc.伦敦。A 3561321–1340（1998年）·Zbl 0902.68201号 ·doi:10.1098/rsta.1998.0224
[38] P.Tseng，最近q-flat到m点，J.Optim。理论应用。105(1), 249–252 (2000). ·Zbl 0971.90055号 ·doi:10.1023/A:1004678431677
[39] R.Vidal，Y.Ma，S.Sastry，广义主成分分析（GPCA），IEEE Trans。模式分析。机器。智力。27(12) (2005).
[40] U.von Luxburg，M.Belkin，O.Bousquet，《光谱聚类的一致性》，《Ann.Stat.36（2）》，555–586（2008）·Zbl 1133.62045号 ·doi:10.1214/009053607000000640
[41] J.Yan，M.Pollefeys，运动分割的一般框架：独立、铰接、刚性、非刚性、退化和非退化，收录于ECCV，第4卷（2006），第94-106页。
[42] A.Y.Yang，S.R.Rao，Y.Ma，多个子空间的鲁棒统计估计和分割，计算机视觉和模式识别研讨会，2006年6月。
[43] L.Zwald，G.Blanchard，《关于核主成分分析中本征空间的收敛性》，《神经信息处理系统进展》第18期（2005年），第1649–1656页。
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。