×
李正来;唐，张;郑、肖;万志国;孙坤;张伟;朱新忠

多核聚类的互结构学习。 （英语） Zbl 07735583号

信息科学。 647，文章ID 119445，第15页（2023）.
摘要：多核聚类（MKC）近年来受到了广泛关注，其目的是从多个基本内核中获得最优划分。现有的MKC方法通常侧重于通过从基核构造一个最优核来学习成对结构，或者通过将多个基分区集成到一个共识分区来学习集群结构，这些以前的方法忽略了聚类的两个方面（即成对和簇结构）之间相互学习结构的潜力。为了解决这一局限性，我们提出了一种新的多核聚类方法，称为MSL-MKC，它同时学习成对和簇结构，以获得改进的一致性划分矩阵进行聚类。具体来说，MSL-MKC将自适应邻域图学习方法扩展到核空间中，从多个基核构造判别相似图进行成对结构学习。共识分区是通过将其与用于集群结构学习的多个基本分区对齐来制定的。我们利用拉普拉斯正则化项来保持一致性划分中的成对结构，并将簇结构注入区分相似图中。该方法将相似图学习、分区融合和拉普拉斯正则化集成到一个统一的框架中，并使用迭代算法进行优化。在各种基准数据集上的实验结果证明了MSL-MKC的有效性。此作品的演示代码可在以下网址公开获取：https://github.com/guanyuezhen/MSL-MKC.

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）

关键词：

多核聚类;相互结构学习;自适应邻域图学习;分区融合

软件：

t-SNE公司
PDF格式BibTeX公司 XML格式引用
\textit{Z.Li}等人，《信息科学》。647，文章ID 119445，15 p.（2023；Zbl 07735583）
全文： 内政部

参考文献：

[1] 唐，常；郑、肖；张伟；刘新旺；朱新忠；朱恩，通过多图融合和特征权重学习进行无监督特征选择，科学。中国信息科学。，66，第152101条pp.（2023）
[2] 王思伟；刘新旺；刘，李；涂文轩；朱新忠；刘继元；周思航；朱恩，具有一致二部图的高效不完全大规模多视图聚类，（IEEE计算机视觉与模式识别会议（2022）），9776-9785
[3] 王军；唐，常；刘新旺；张伟；李万清；朱新忠；王立哲；Zomaya，Albert Y.，用于高光谱波段选择的区域感知层次潜在特征表示学习引导聚类，IEEE Trans。赛博。(2022)
[4] 徐杰；任亚舟；李国锋；潘丽丽；朱策；Xu，Zenglin，Deep embedded multi-view clustering with collaborative training，信息科学。，573, 279-290 (2021)
[5] 李正来；Tang，Chang；刘新旺；郑、肖；张伟；朱恩，多视图聚类的共识图学习，IEEE Trans。多媒体。，24, 2461-2472 (2021)
[6] 唐，常；李正来；王军；刘新旺；张伟；朱恩，统一一步多视角谱聚类，IEEE Trans。知识。数据工程（2022）
[7] 张新余；高洪波；李国鹏；赵建辉；霍、姜浩；尹嘉伦；刘玉超；郑，李，基于图形正则化非负矩阵分解的多视图聚类在目标识别中的应用，信息科学。，432, 463-478 (2018) ·Zbl 1436.68323号
[8] 赵国庆；孙江文；鲁、金；王安丽；Daniel D.Langleben。；Li，Chiang-Shan；Bi，Jinbo，利用不完整数据进行多视角聚类分析，以了解治疗效果，Inf.Sci。，494278-293（2019）·Zbl 1454.62194号
[9] Ikotun，Abiodun M。；以祖武，押沙龙E。；Laith Abualigah；Abuhaija，Belal；Heming，Jia，K-means聚类算法：综合评述、变体分析和大数据时代的进展，《信息科学》。(2022)
[10] 王军；唐，常；万志国；张伟；孙坤；Zomaya，Albert Y.，《高效有效的一步多视图聚类》，IEEE Trans。神经网络。学习。系统。(2023)
[11] Dhillon，Inderjit S。；关玉强；Kulis，Brian，Kernel k-means:谱聚类和归一化切割，（知识发现和数据挖掘国际会议（2004）），551-556
[12] 张晓倩；任振文；孙怀江；白克强；冯兴华；刘志贵，基于多核低秩表示的鲁棒多视点子空间聚类，信息科学。，551, 324-340 (2021) ·Zbl 1484.62085号
[13] 康、赵；彭冲；程强；刘新旺；彭熙；徐增林；田玲，用于聚类和半监督分类的结构化图学习，模式识别。，110，第107627条pp.（2021）
[14] 康、赵；陆一伟；苏元璋；李昌生；徐增林，通过内核保存嵌入进行相似性学习，（AAAI人工智能会议（2019）），4057-4064
[15] 任振文；Sun，Quansen，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。，32, 5, 1839-1851 (2020)
[16] 梁杜；周鹏；石磊；王汉默；范明玉；王文健；沈义东，使用l21范数的稳健多核k-means，（国际人工智能会议（2015）），3476-3482
[17] 刘新旺；窦勇；尹建平；王磊；朱恩，带矩阵诱导正则化的多核k-means聚类，（AAAI人工智能会议（2016）），1888-1894
[18] 李苗苗；刘新旺；王磊；窦勇；尹建平；朱恩，带局部核对齐最大化的多核聚类，（国际人工智能联合会议（2016）），1704-1710
[19] 王，杨；吴林；林雪敏；Gao，Junbin，通过结构化低秩矩阵分解进行多视图谱聚类，IEEE Trans。神经网络。学习。系统。，29, 10, 4833-4843 (2018)
[20] 李苗苗；夏靖远；徐慧莹；廖青；朱新忠；刘新旺，带矩阵诱导正则化的局部不完全多核k-means，IEEE Trans。赛博。(2021)
[21] 刘新旺；周思航；王乐清；李苗苗；窦勇；朱恩；尹建平，多核最优邻域核聚类，（AAAI人工智能会议（2017）），2266-2272
[22] 康、赵；鲁、肖；易金峰；Xu，Zenglin，基于图聚类和半监督分类的自加权多核学习（International Joint Conference on Artificial Intelligence，2018），2312-2318
[23] 周思航；刘新旺；李苗苗；朱恩；刘，李；张长旺；尹建平，带邻域核子空间分割的多核聚类，IEEE Trans。神经网络。学习。系统。(2019)
[24] 王思伟；刘新旺；朱恩；唐，常；刘继元；胡景涛；夏景元；尹建平，通过后期融合对齐最大化实现多视图聚类，（国际人工智能联合会议，第7卷（2019）），3778-3784
[25] 刘继元；刘新旺；杨月香；王思伟；周思航，层次多核聚类，（AAAI人工智能会议（2021）），2-9
[26] 王思伟；朱恩；胡景涛；李苗苗；赵凯凯；胡宁；Liu，Xinwang，高效多核k-means聚类与后期融合，IEEE Access，761109-61120（2019）
[27] 王思伟；刘新旺；刘，李；周思航；朱，恩，具有代理图细化的后期融合多核聚类，IEEE Trans。神经网络。学习。系统。(2021)
[28] 张铁建；刘新旺；龚磊；王思伟；牛、辛；沈，李，具有局部核对齐最大化的后融合多核聚类，IEEE Trans。Multimed公司。(2021)
[29] 王荣；陆继涛；陆一航；聂飞平；Li，雪龙，离散和无参数多核k-均值，IEEE Trans。图像处理。(2022)
[30] 聂飞平；王晓倩；Huang，Heng，利用自适应邻居进行聚类和预测聚类，（知识发现和数据挖掘国际会议（2014）），977-986
[31] 王伟；燕，燕；聂飞平；严水成；Sebe，Nicu，《图像和视频表示用最优图的灵活流形学习》，IEEE Trans。图像处理。，27, 6, 2664-2675 (2018) ·Zbl 1409.94627号
[32] 聂飞平；蔡国浩；李雪龙，带自适应邻域的多视图聚类和半监督分类，（AAAI人工智能会议（2017）），2408-2414
[33] 黄新建；庄永玉；陈楚松，多核模糊聚类，IEEE Trans。模糊系统。，20, 1, 120-134 (2012)
[34] 董晓文；帕斯卡·弗罗萨德；皮埃尔·范德盖恩斯特（Pierre Vandergheynst）；Nefedov，Nikolai，通过格拉斯曼流形上的子空间分析在多层图上聚类，IEEE Trans。信号处理。，62, 4, 905-918 (2013) ·Zbl 1394.94973号
[35] 王新超；李、朱；陶大成，基于Grassmann流形的图像搜索子空间索引模型，IEEE Trans。图像处理。，20, 9, 2627-2635 (2011) ·Zbl 1372.94264号
[36] 康、赵；彭冲；Cheng，Qiang，Twin learning for similarity and clustering:a unified kernel approach，（AAAI Conferences on Artificial Intelligence（2017）会议论文集），2080-2086
[37] 彭冲；张倩；康、赵；陈成丽赵；程强，子空间聚类的核二维岭回归，模式识别。，113，第107749条pp.（2021）
[38] 黄，金；聂飞平；Huang，Heng，用于测量聚类数据相似性的新型单纯形稀疏学习模型（International Conference on Artificial Intelligence，2015），3569-3575
[39] 李飞飞；Perona，Pietro，学习自然场景类别的贝叶斯层次模型，IEEE计算机视觉和模式识别会议，第2卷，524-531（2005），IEEE
[40] 刘继元；刘新旺；杨月香；郭熙凤；马吕斯·克劳特；何良忠，通过联合训练稳健数据表示的多视图子空间聚类，IEEE Trans。神经网络。学习。系统。，33, 10, 5177-5189 (2021)
[41] Simplemkkm，Liu Xinwang，Simple multiple kernel k-means，IEEE Trans。模式分析。机器。智力。，1-13（2022）
[42] 刘新旺；刘周立，司航；唐，常；王思伟；刘继元；张毅，本地化简单多核k-means，（IEEE国际计算机视觉会议（2021）），9293-9301
[43] 陆继涛；陆一航；王荣；聂飞平；李雪龙，同时谱旋转的多核k-means聚类，（IEEE声学、语音和信号处理国际会议（2022）），4143-4147
[44] 李亮；王思伟；刘新旺；朱立深，恩；李凯丽；李克勤，局部样本加权一致判别图多核聚类，IEEE Trans。神经网络。学习。系统。，1-14 (2022)
[45] Demšar，Janez，多数据集上分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[46] 范德马滕，劳伦斯；Geoffrey Hinton，《使用t-sne可视化数据》，J.Mach。学习。Res.，9，v，2579-2605（2008）·Zbl 1225.68219号
[47] Mohar，Bojan；Alavi，Y。；Chartrand，G。；Oellermann，O.R.，图的拉普拉斯谱，（图论、组合数学和应用，第2卷（1991）），871-898，12·兹比尔0840.05059
[48] 安德烈亚·坎帕涅（Andrea Campagner）；Ciucci，Davide；Denœux，Thierry，《评估和比较软聚类的一般框架》，《信息科学》。，623, 70-93 (2023)
[49] 范佳晨；王平新；蒋春茂；杨喜培；Song，Jingjing，使用三向密度敏感光谱聚类进行集成学习，国际期刊近似原因。，149，70-84（2022）·Zbl 07581230号
[50] 朱奈德·拉希德；金正恩；阿米尔·侯赛因；乌斯曼·纳西姆；Juneja，Sapna，生物医学数据的新型多核模糊主题建模技术，BMC Bioninform。，23, 1, 275 (2022)
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。