Ye、Jun;金，钟 用于数据表示的超粒度正则化判别概念分解。 （英语） Zbl 1398.68467号 软计算。 22，第13号，4417-4429（2018）. 摘要：对于模式分析和识别任务，非负矩阵因式分解和概念因式分解（CF）因其有效应用而备受关注，可以找到有意义的数据低维表示。然而，他们忽略了数据的局部邻域中嵌入的几何信息，并且未能利用先验知识。本文提出了一种新的半监督学习算法——超图正则化判别概念分解（HDCF）。为了探索数据的内在几何结构和利用标签信息，HDCF将超粒度正则化器引入CF框架，并使用标签信息训练分类器以完成分类任务。HDCF可以学习关于数据固有流形结构的新概念分解，同时也适用于分类任务和基于低维表示的分类器。此外，还开发了一种迭代更新优化方案来求解所提HDCF的目标函数，并提供了优化方案的收敛性证明。在ORL、Yale和USPS图像数据库上的实验结果证明了该算法的有效性。 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：国家气象局;概念分解;正则超图;半监督学习 PDF格式BibTeX公司 XML格式引用 \textit{J.Ye}和\textit{Z.Jin}，软计算。22、13号、4417--4429（2018；Zbl 1398.68467） 全文： 内政部 参考文献： [1] Agarwal S、Branson K、Belongie S（2006）《图形的高阶学习》。摘自：第23届机器学习国际会议论文集。宾夕法尼亚州匹兹堡，第17-24页 [2] 阿加瓦尔，S；林，J；泽尼克庄园，L；佩罗纳，P；克里格曼，D；Belongie，S，Beyond pairwise clustering，838-845，（2005），加利福尼亚州 [3] M·贝尔金；Niyogi，P；辛德瓦尼，V，《流形正则化：从示例中学习的几何框架》，J Mach Learn Res，72399-2434，（2006）·Zbl 1222.68144号 [4] Belkin M，Niyogi P（2001）嵌入和聚类的拉普拉斯特征映射和光谱技术。收录于：第15届神经信息处理系统年会，NIPS 2001，第14卷。麻省理工学院出版社，剑桥，第585-591页 [5] 蔡，D；他，X；韩，J；黄，T，用于数据表示的图形正则化非负矩阵分解，IEEE Trans-Pattern Ana Mach Intell，331548-1560，（2011）·doi:10.1109/TPAMI.2010.231 [6] 蔡，D；他，X；Han，J，用于文档聚类的局部一致概念分解，IEEE Trans Knowl Data Eng，23，902-913，（2011）·doi:10.1109/TKDE.2010.165 [7] Chapelle O，Schokopf B，Zien A等人（2006）半监督学习，第2卷。麻省理工学院出版社，剑桥·doi:10.7551/mitpress/9780262033589.001.0001 [8] 阿联酋登普斯特；新墨西哥州莱尔德；Rubin，DB，通过EM算法从不完整数据中获得最大似然，J R Stat Soc Ser B（Methodological），39，1-38，（1977）·Zbl 0364.62022号 [9] 迪亚兹·瓦伦苏埃拉，I；Loia，V；Martin-Bautista，MJ；Senatore，S；马萨诸塞州维拉，《半监督聚类的自动约束生成：文档分类经验》，《软计算》，202329-2339，（2016）·doi:10.1007/s00500-015-1643-3 [10] Grira N，Crucianu M，Boujemaa N（2005）具有成对约束竞争聚集的半监督模糊聚类。摘自：第14届IEEE模糊系统国际会议，FUZZ'05。IEEE，第867-872页 [11] He，W；陈吉姆，X；Zhang，WH，子空间聚类的图正则化低秩表示，软计算，21，1-13，（2017）·doi:10.1007/s00500-015-1869-0 [12] He R，Zheng W，Hu B，Kong X（2006）用于判别式半监督学习的非负稀疏编码。2011年IEEE计算机视觉和模式识别会议（CVPR）。IEEE，第2849-2856页 [13] Hong，C；于，J；李，J；Chen，X，通过补丁对齐框架进行多视图超图学习，神经计算，118，79-86，（2013）·doi:10.1016/j.neucom.2013.02.017 [14] 华，W；He，X，数据表示的判别概念分解，神经计算，743800-3807，（2011）·doi:10.1016/j.neucom.2011.07.020 [15] 黄，Y；刘，Q；Lv，F；龚，Y；Metaxax，D，通过超图分区进行无监督图像分类，IEEE Trans-Pattern Ana Mach Intell，331266-1273，（2011）·doi:10.1109/TPAMI.2011.25 [16] Huang Y，Liu Q，Metaxas D（2009）超图切割的视频对象分割。摘自：计算机视觉和模式识别国际会议论文集。佛罗里达州迈阿密，第1738-1745页 [17] 黄，L；Su，CY，使用流形学习和信念传播的面部表情合成，软计算，101193-1200，（2006）·兹比尔1141.68566 ·doi:10.1007/s00500-005-0041-7 [18] Lee，DD；Seung，HS，通过非负矩阵分解学习对象的各个部分，Nature，401，788-791，（1999）·Zbl 1369.68285号 ·doi:10.1038/44565 [19] Li X，Zhao CX，Shu ZQ，Guo JH（2015）超粒度正则化概念分解算法及其在数据表示中的应用。中国科学院控制决策30（8）：1399-1404 [20] 迈拉尔，J；巴赫，F；彭斯，J；萨皮罗，G；齐瑟曼，A；Koller，D（编辑）；舒尔曼斯，D（编辑）；Bengio，Y（编辑）；Bottou，L（编辑），《监督词典学习》，第21期，1033-1040，（2009），温哥华 [21] 沙，F；林，Y；索尔，LK；Lee，DD，非负二次规划的乘法更新，神经计算，19904-2031，（2007）·Zbl 1161.90456号 ·doi:10.1162/neco.2007.19.8.2004年 [22] Shahnaz，F；贝里，MW；Pauca，V；Plemmons，RJ，使用非负矩阵分解进行文档聚类，Inf Process Manag，42，373-386，（2006）·Zbl 1087.68104号 ·doi:10.1016/j.ipm.2004.11.005 [23] Shashua A，Hazan T（2005）非负张量因式分解及其在统计学和计算机视觉中的应用。摘自：第22届机器学习国际会议记录，第792-799页 [24] 太阳，L；季，S；Ye，J，用于多标签分类的超图谱学习，668-676，（2008），内华达州 [25] Tenenbaum，J；席尔瓦，V；Langford，J，《非线性降维的全球几何框架》，《科学》，2902319-2323，（2000）·doi:10.1126/science.290.5500.2319 [26] 田，Z；黄，T；Kuang，R，一种基于超图的学习算法，用于利用先验知识对基因表达和阵列CGH数据进行分类，生物信息学，252831-2838，（2009）·doi:10.1093/bioinformatics/btp467 [27] 王，C；于，J；Tao，D，室内场景分类的高级属性建模，神经计算，121，337-343，（2013）·doi:10.1016/j.neucom.2013.05.032 [28] 王，Y；贾，Y；胡，C；Turk，M，人脸识别的非负矩阵因式分解框架，国际J模式识别Artif Intell，19495-511，（2005）·doi:10.1142/S021801405004198 [29] Xu W，Gong Y（2004）通过概念分解进行文档聚类。摘自：2004年信息检索研究与开发国际会议论文集（SIGIR’04），英国谢菲尔德，2004年7月，第202-209页 [30] H·阳城；洪涛，L；雷，H；赛宁，X，数据表示的成对约束概念分解，神经网络，52，1-17，（2014）·Zbl 1311.68137号 ·doi:10.1016/j.neuet.2013.12.007 [31] 于，J；陶，D；Wang，M，自适应超图学习及其在图像分类中的应用，IEEE Trans-image Process，213262-3272，（2012）·Zbl 1381.62216号 ·doi:10.1109/TIP.2012.2190083 [32] Zass R，Shashua A（2008）概率图和超图匹配。摘自：美国阿拉斯加州安克雷奇市计算机视觉和模式识别国际会议记录，第1-8页 [33] 曾，K；于，J；李，CH；你，J；Jin，TS，基于超粒度正则化非负矩阵分解的图像聚类，神经计算，138209-217，（2014）·doi:10.1016/j.neucom.2014.01.043 [34] Zhang Y，Yeung D（2008）使用鲁棒路径相似性的半监督判别分析。摘自：IEEE计算机视觉和模式识别会议，第18页 [35] 周D，黄J，Scholkopf B（2006）超图学习：聚类、分类和嵌入。摘自：第20届神经信息处理系统年会，NIPS 2006。麻省理工学院出版社，剑桥，第1601-1608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。