子空间聚类相关论文
针对基于张量的多视图子空间聚类算法不能很好地保持样本之间的流形几何结构和多视图之间相似性的缺点，提出了一种结构保持的t-SVD......
深度子空间聚类通过联合执行自表达特征学习和聚类分配，获得了比传统聚类更好的性能。尽管在各种应用中出现了大量的深度子空间聚类......
在认知侦察领域，对多功能相控阵雷达（Multifunction Phased Array Radar, MPAR）的脉冲序列进行分析，得到目标威胁等级和其他直观的有效......
最小二乘回归（Least Square Regression,LSR）算法是一种流行的子空间聚类方法，在处理计算机视觉和机器学习的相关问题中的应用十分普......
聚类分析是数据挖掘领域中的关键技术之一。面对低维数据,传统的聚类算法能够取得理想的结果。随着数据获取技术的不断发展,数据的......
超像素分割是图像处理领域的一项基础性工作,其目的是根据像素内在特性,如颜色的一致性和纹理的相似性,将像素划分成若干个高语义......
在真实世界中,聚类算法得到了广泛的应用。基于子空间的聚类又是其中非常重要的一种方法。近年来,得益于深度网络强大的特征表达能......
作为聚类分析的一大分支,子空间聚类由于其在高维数据条件下表现出的优异性能引起了国内外的广泛关注。而深度学习和子空间聚类理......
高光谱遥感能够以纳米级光谱分辨率对感兴趣区域成像,具有“图谱合一,光谱连续”的特点,能够以较高的光谱诊断能力对目标地物进行......
随着通信技术与互联网的普及,人们能获取到的信息是之前难以想象的,数据已经变成生产要素在各行各业发挥着重要的作用。由于大部分......
高维数据通常存在于低维子空间中,随着现实世界中数据量变得越来越多,数据类型越来越复杂,通过恢复低维子空间来揭示数据内部结构......
聚类算法是数据挖掘的主要任务之一,其主要用于发现数据库中未知的对象类别。子空间聚类作为目前主流的聚类分析算法,被广泛运用于......
随着信息获取技术的进步,多视图数据变得无处不在,我们可以轻松地从异构特征空间获得具有多视图表示的数据。多视图聚类旨在利用多......
聚类分析作为数据挖掘和模式识别等领域的重要工具,一直以来都是非常热门的研究话题之一,并得到了非常广泛的应用。但是,随着应用......
实际数据通常来自多个不完整的数据源,不完整的多视图聚类方法提供了一些自然的方法来聚类这些不完整的数据。先前的研究假设所有......
随着互联网的发展,现在数据越来越多样化并且复杂化。FCM算法对数据集有一定的局限性,通常在球状的类间分离明显,类内紧致的数据集......
社区矫正制度是国家治理体系的重要组成部分,既是顺应国际化的趋势,也是为贯彻落实我国宽严相济的刑事政策而进行的一项刑罚执行制......
由于在划分无标签且含有缺失实例的多视图数据上具备优势,不完整多视图聚类吸引了越来越多的研究关注。虽然已取得很大进展,大多现......
在数据挖掘领域,聚类作为一种重要的数据分析方法引起广泛关注,但数据规模不断扩大,数据结构日益复杂,维数也越来越高,很难使用传......
聚类分析是数据挖掘领域中重要的研究手段之一,其主要目标是在没有先验信息的情况下,把一个数据集的样本分为不同的类别,使得同一......
聚类分析是一种重要的无监督学习方法,旨在挖掘数据中潜在的数据结构和规律,将数据划分为多个簇类,是数据挖掘、机器学习以及信号......
子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架.近年来,由于深度神经网络能够有效地挖掘出......
为了解决高维数据维数灾难影响数据相似性度量的问题,提出一种流形自适应结构化子空间聚类方法,通过构造相似矩阵获取数据的全局和......
为了降低数据稀疏性对推荐算法效率产生的影响,提出一种基于子空间聚类的协同过滤推荐算法(SCUCF).该算法创建感兴趣、不感兴趣以......
随着时代发展,机器学习算法所使用的数据维度以及样本数量均已达到前所未有的规模。传统的聚类算法的假设已不再有效,其时间复杂度......
稀疏子空间聚类研究主要致力于摒除高维数据空间的干扰,挖掘数据真实的子空间结构。其中,块对角表示模型（BDR）对系数表示矩阵直接施......
随着信息的飞速发展,海量的数据涌现出来。如何在这些海量数据中寻找高维数据,并在高维数据中快速挖掘有效的信息是当前最需要解决......
聚类作为无监督学习算法的代表,一直以来都是学者研究的重要领域。随着信息技术的发展,如今的数据变得更加复杂。而传统的聚类算法......
近年来,科技发展日新月异,同时也带来了纷繁复杂的数据。数据恢复和聚类对分析高维数据有着重要的意义。许多高维数据通常近似地存......
聚类分析（Clustering Analysis）是机器学习和数据挖掘领域的一个重要分支,在模式识别、图像分割、特征提取等领域中得到了广泛的应用......
随着生物技术快速发展,逐渐成熟的基因芯片技术产生越来越多的基因表达数据,其中通过对肿瘤基因表达数据进行聚类相关分析判定癌症......
多视图子空间聚类方法因其可以揭示数据内在的低维结构而被广泛关注,但大多数现有的多视图子空间聚类算法直接将多个来自原始数据......
针对物联网环境下产生的新型网络攻击的数量持续上升和复杂性不断升高,传统的异常检测算法误报率高、检测率低以及数据量大而造成......
k-均值是著名的聚类算法,被广泛应用在诸多领域.经过多年发展,原始的MacQueenk-均值算法已经衍生出多种变形,构成了k-均值算法家族......
文本聚类是利用聚类技术对大量的文本数据进行分析,把内容相似的文本放在同一个集合.针对基于k-means特征加权算法用于文本子空间......
会议
针对高维数据冗余性、噪声干扰等问题对多视图子空间聚类性能的影响,提出一种多核低冗余表示学习的稳健多视图子空间聚类方法。首......
分析了经典的CLIQUE聚类算法,阐述了该算法存在的局限性,针对该算法时间复杂度高和聚类精度低的问题,提出了一种改进的CLIQUE聚类......
针对目前深度多视角子空间聚类算法因为缺少对自表达矩阵的低秩表示约束而导致的模型缺乏鲁棒性的问题,提出了深度低秩多视角子空......
计算机视觉、机器学习、图像处理等领域都会涉及到分类问题。所谓分类就是将相似的对象分为一组，将不相似的对象分到不同的组。分类......
针对现有的基于统计特征的协议识别方法选择识别特征时未考虑不同协议个体之间的差异的问题,结合半监督学习和模糊子空间聚类(FSC)......
子空间聚类通常可以很好地处理高维数据,但由于数据本身的噪声等的影响,系数矩阵的块对角线结构往往容易被破坏。针对上述问题,提......
现有的子空间聚类方法大多只适用于单层网络,或者仅对多层网络中每层的聚类结果简单地进行平均,未考虑每层网络中包含信息量不同的......
基于稀疏表示和低秩表示的子空间聚类算法是目前的研究热点,但大多数子空间聚类方法只适用于线性子空间或仿射子空间。针对这一问......
基于稀疏表示和低秩表示的子空间聚类算法是目前的研究热点,但大多数子空间聚类方法只适用于线性子空间或仿射子空间。针对这一问......
