×
闵玉芳;张耀南

用于图像聚类的精确（k）分量图学习。 （英语） Zbl 1459.68172号

数学。问题。工程师。 2020年，文章ID 5175210，10 p.（2020）.
摘要：基于图的聚类方法的性能在很大程度上取决于数据亲和图的质量，因为良好的亲和图可以很好地逼近数据样本之间的成对相似性。在很大程度上，现有的基于图的聚类方法基于固定距离度量构造亲和图，而这种距离度量往往不能准确表示底层数据结构。此外，它们需要对亲和图进行后处理以获得聚类结果。因此，结果对特定的图构造方法很敏感。为了解决这两个缺点，我们提出了一种\（k\）-分量图聚类\（（k\）-GC）方法来学习内在亲和图并同时获得聚类结果。具体来说，（k）-GC通过基于本地距离为每个数据点分配自适应和最佳邻居来学习数据相似性图。推导了（k）-GC的高效迭代更新算法，并证明了其收敛性。在几个基准数据集上的实验证明了（k）-GC的有效性。

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）
62华氏35 多元分析中的图像分析
68单位10 图像处理的计算方法

软件：

线圈-20
PDF格式BibTeX公司 XML格式引用
\textit{Y.Min}和\textit{Y.Zhang}，数学。问题。Eng.2020，文章ID 5175210，10 p.（2020；Zbl 1459.68172）
全文： 内政部

参考文献：

[1] 帕文，H。；Minaei-Bidgoli，B.，基于加权集群精英选择的集群集成框架，数据分析和分类进展，7，2，181-208（2013）·Zbl 1267.62076号 ·doi:10.1007/s11634-013-0130-x
[2] 帕文，H。；Minaei-Bidgoli，B.，基于局部自适应聚类算法中模糊加权聚类选择的聚类集成框架，模式分析与应用，18，1，87-112（2015）·Zbl 1428.62292号
[3] Chang，X。；Yu，Y.-L。；Yang，Y。；Xing，E.P.，未剪辑视频中复杂事件分析的语义池，IEEE模式分析和机器智能汇刊，39，8，1617-1632（2016）·doi:10.1109/TPAMI.2016.2608901
[4] Chang，X。；马，Z。；林，M。；Yang，Y。；Hauptmann，A.G.，用于快速运动检测的特征交互增强稀疏学习，IEEE图像处理汇刊，26，8，3911-3920（2017）·Zbl 1409.94054号 ·doi:10.1109/tip.2017.2708506
[5] Chang，X。；马，Z。；Yang，Y。；曾，Z。；Hauptmann，A.G.，多媒体事件检测的双层语义表示分析，IEEE控制论汇刊，47，5，1180-1197（2016）·doi:10.1109/TCYB.2016.2539546
[6] Chang，X。；Yang，Y.，通过挖掘多任务之间的相关性进行半监督特征分析，IEEE神经网络和学习系统汇刊，28，10，2294-2305（2016）·doi:10.1109/TNNLS.2016.2582746
[7] 李，Z。；聂，F。；Chang，X。；Yang，Y.，Beyond trace ratio：用于多类判别分析的加权谐波比值，IEEE知识与数据工程汇刊，29，10，2100-2110（2017）·doi:10.1109/tkde.2017.2728531
[8] Almagbile，A.，基于角点检测程序和聚类分析的无人机图像人群密度估计，地理空间信息科学，22，1，23-34（2019）·doi:10.1080/10095020.2018.1539553
[9] 刘，G。；林，Z。；Yan，S。；Sun，J。；Yu，Y。；Ma，Y.，通过低秩表示实现子空间结构的稳健恢复，IEEE模式分析和机器智能汇刊，35，1，171-184（2013）·doi:10.1109/tpami.2012.88
[10] Elhamifar，E。；Vidal，R.，《稀疏子空间聚类：算法、理论和应用》，IEEE模式分析和机器智能汇刊，35，11，2765-2781（2013）·doi:10.1109/tpami.2013.57
[11] 冯，J。；林，Z。；Xu，H。；Yan，S.，带块二对角先验的稳健子空间分割，CVPR论文集，IEEE·doi:10.1109/CVPR.2014.482
[12] 卢，C。；Yan，S。；Lin，Z.，凸稀疏谱聚类：单视图到多视图，IEEE图像处理汇刊，25，6，2833-2843（2016）·Zbl 1408.94438号 ·doi:10.10109/天.2016.2553459
[13] 詹，K。；聂，F。；Wang，J。；Yang，Y.，多视图共识图聚类，IEEE图像处理汇刊，28，3，1261-1270（2019）·doi:10.1109/tip.2018.2877335
[14] 詹，K。；张，C。；关，J。；Wang，J.，多视图聚类的图形学习，IEEE控制论汇刊，48，10，2887-2895（2018）·doi:10.1109/tcyb.2017.2751646
[15] Ng，A.Y。；M.I.乔丹。；Weiss，Y.，《关于谱聚类：分析和算法》，《NIPS学报》
[16] 史J。；Malik，J.，标准化切割和图像分割，IEEE模式分析和机器智能汇刊，22，8，888-905（2000）·数字对象标识代码：10.1109/34.868688
[17] Zelnik-Manor，L。；Perona，P.，自校正谱聚类，NIPS论文集
[18] Von Luxburg，U.，《光谱聚类、统计和计算教程》，17，4，395-416（2007）·数字对象标识代码：10.1007/s11222-007-9033-z
[19] 詹，K。；牛，C。；陈，C。；聂，F。；张，C。；Yang，Y.，用于多视图聚类的图结构融合，IEEE知识与数据工程汇刊，31，10201984-1993（2018）·doi:10.1109/TKDE.2018年2872061
[20] 詹，K。；Chang，X。；关，J。；Chen，L。；马，Z。；Yang，Y.，使用多个特征进行多媒体分析的自适应结构发现，IEEE控制论汇刊，49，5，1826-1834（2019）·doi:10.1109/tcyb.2018.2815012
[21] Hagen，L。；Kahng，A.B.，比率分割和聚类的新谱方法，IEEE集成电路和系统计算机辅助设计汇刊，11，9，1074-1085（1992）·doi:10.1109/43.159993年
[22] 丁·C·H。；何，X。；查，H。；顾，M。；Simon，H.D.，图分割和数据聚类的最小最大切割算法，ICDM会议记录，IEEE·doi:10.1109/ICDM.2001.989507
[23] Xiang，T。；龚，S.，带特征向量选择的谱聚类，模式识别，41，3，1012-1029（2008）·Zbl 1132.68808号 ·doi:10.1016/j.patcog.2007.07.023
[24] 朱，X。；更改Loy，C。；龚，S.，构建稳健的谱聚类亲和图，CVPR论文集，IEEE·doi:10.1109/CVPR.2014.188
[25] 黄，J。；聂，F。；Huang，H.，用于测量聚类数据相似性的新单纯形稀疏学习模型，IJCAI学报
[26] 聂，F。；王，X。；Huang，H.，用自适应邻域进行聚类和投影聚类，《KDD学报》，美国纽约州纽约市：美国纽约州ACM
[27] 聂，F。；王，X。；M.I.乔丹。；Huang，H.，基于图形聚类的约束拉普拉斯秩算法，AAAI论文集
[28] 朱，X。；He，W。；Li，Y.，通过动态学习亲和矩阵和子空间的一步谱聚类，AAAI论文集
[29] 康，Z。；彭，C。；Cheng，Q.，《相似性和聚类的孪生学习：统一内核方法》，AAAI会议录
[30] Chung，F.R.，谱图论（1997），罗德岛州普罗维登斯：美国数学学会，罗德岛州普罗维登斯·兹伯利0867.05046
[31] 莫哈尔，B。；Alavi，Y。；Chartrand，G。；Oellermann，O.，图的拉普拉斯谱，图论，组合数学和应用，2，12，871-898（1991）·Zbl 0840.05059号
[32] Tarjan，R.，深度-第一搜索和线性图算法，SIAM计算杂志，1，2，146-160（1972）·Zbl 0251.05107号 ·数字对象标识代码：10.1137/0201010
[33] 莫哈尔，B。；哈恩，G。；Sabidussi，G.，图的拉普拉斯特征值的一些应用，图对称，225-275（1997），德国柏林：Kluwer学术出版社，德国柏林
[34] Fan，K.，关于线性变换特征值的Weyl定理I，《国家科学院学报》，35，11，652-655（1949）·兹比尔0041.00602 ·doi:10.1073/第351.1652页
[35] 奥弗顿，M.L。；Womersley，R.S.，关于对称矩阵的最大特征值之和，SIAM矩阵分析与应用杂志，13，1，41-45（1992）·Zbl 0747.15005号 ·数字对象标识代码：10.1137/0613006
[36] Chan，P.K。；Schlag，M.D.F。；Zien，J.Y.，谱K路比率切割划分和聚类，IEEE集成电路和系统计算机辅助设计汇刊，13，9，1088-1096（1994）·数字对象标识代码：10.1109/43.310898
[37] 博伊德，S。；Vandenberghe，L.，《凸优化》（2004），英国剑桥：剑桥大学出版社，英国剑桥·兹比尔1058.90049
[38] 杜奇，J。；沙列夫·施瓦茨，S。；辛格，Y。；Chandra，T.，《高维学习中对（ell_1）球的有效投影》，ICML会议记录，ACM
[39] Condat，L.，《单纯形和（ell_1）球的快速投影》，《数学规划》，158，1-2，575-585（2016）·Zbl 1347.49050号 ·doi:10.1007/s10107-015-0946-6
[40] 陈，C。；牛，C。；詹，X。；Zhan，K.，《无监督深层本地学习的生成方法》，《电子成像杂志》，第28期，第4期（2019年）·doi:10.1117/1.jei.28.4.043005
[41] Chang，H。；Yeung，D.-Y.，稳健的基于路径的光谱聚类，模式识别，41，1，191-203（2008）·Zbl 1122.68525号 ·doi:10.1016/j.patcog.2007.04.010
[42] Nene，S.A。；Nayar，S.K。；Murase，H.，哥伦比亚物体图像库（COIL-20）（1996），美国纽约州纽约市：美国纽约州哥伦比亚大学
[43] 张，C。；Fu，H。；刘，S。；刘，G。；Cao，X.，低秩张量约束多视点子空间聚类，ICCV论文集
[44] 曹，X。；张，C。；Fu，H。；刘，S。；Zhang，H.，多样性诱导的多视图子空间聚类，CVPR论文集
[45] MacQueen，J.，《多元观测分类和分析的一些方法》，第五届伯克利数理统计与概率研讨会论文集
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。