半监督聚类;非负矩阵分解;成对约束;类别约束

基于非负矩阵分解的双约束文本聚类算法

标签：半监督聚类;非负矩阵分解;成对约束;类别约束

在正交三重NMF模型中，加入文本空间的成对约束信息和词空间的类别约束信息，将不同的特征词项进行分类。利用迭代规则对原始的词一文档矩阵进行分解，获得文本聚类结果。与多种传统半监督文本聚类算法的对比结果表明...

具有双重约束的半监督文档聚类的非负矩阵分解框架

标签： Nonnegative matrix factorization; Semi-supervised clustering; Dual constraints

在本文中，我们提出了一种新的半监督共聚算法正交半监督非负矩阵分解（OSS-NMF）用于文档聚类。在这种新方法中，通过将成对约束形式的数据点（文档）的现有领域知识和特征（单词）的类别知识合并到NMF共聚框架中，...

基于术语相关性的微博聚类半监督非负矩阵分解

标签： Semi-supervised Clustering；Microblogs；Term correlation matrix；Nonnegative Matrix Factorization.

本文提出了一种基于项相关的半监督非负矩阵分解聚类方法。关键思想是探索术语相关数据，该数据可以很好地捕获语义信息以进行术语加权。然后，我们使用词级约束将微博客聚类问题公式化为非负矩阵分解。对现实世界...

论文研究-基于图正则化的半监督非负矩阵分解.pdf

标签：论文研究

提出了一种基于图正则化的半监督非负矩阵分解算法（GSNMF），克服了非负矩阵分解（NMF）、约束非负矩阵分解（CNMF）和图正则化非负矩阵分解（GNMF）方法忽略样本数据的局部几何结构或标签信息不足的缺陷，且NMF、...

融合词项关联关系的半监督微博聚类算法

标签：微博;词项关联关系;成对约束;半监督聚类;非负矩阵分解

针对微博文本内容短、稀疏、高 ...对词项先验信息进行成对约束编码,构建基于词项间成对约束的三重非负矩阵分解模型来实现微博的半监督聚类。实验结果表明,该算法可以减少繁琐的人工标记过程,并能高效地进行微博聚类。

机器学习新论文推荐-（成对关系约束的非负矩阵分解）

徐亦达老师团队新发了一篇论文-Relative Pairwise Relationship Constrained Non-negative Matrix Factorisation（成...

NMF 非负矩阵分解 -- 原理与应用

标签：算法非负矩阵分界机器学习

1.原理发现写关于非负矩阵的博文还是蛮多的，还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。NMF，全称为non-negative matrix factorization，中文呢为“非负矩阵分解”。...

论文研究-基于图正则化的半监督非负矩阵分解.pdf下载

提出了一种基于图正则化的半监督非负矩阵分解算法（GSNMF），克服了非负矩阵分解（NMF）、约束非负矩阵分解（CNMF）和图正则化非负矩阵分解（GNMF）方法忽略样本数据的局部几何结构或标签信息不足的缺陷，且NMF、...

深度学习（三十一）基于深度矩阵分解的属性表征学习

本文提出一种无监督的学习方法，用于深度半非负矩阵分解，因为半监督非负矩阵分解和k均值聚类很相似，。本文的创新点：1、借助于深度学习的思想，提出贪婪的半非负矩阵分解方法，其思想与栈式自编码网络一样的训练...

非负矩阵分解算法——Daniel D.Lee and H.Sebastian Seung论文翻译

非负矩阵分解算法摘要非负矩阵分解(NMF)已被证明是一个有用的多元数据分解。分析了NMF的两种乘法算法，它们的不同之处仅在于更新规则中使用的乘法因子略有不同，一种算法可以最小化传统的最小二乘误差而另一种...

Algorithms for Non-negative Matrix Factorization 非负矩阵分解

非负矩阵分解（NMF）是一种可以有效处理多变量数据的方法。本文介绍、分析了两种不同的 NMF 算法，这两种算法仅在更新规则（update rule）中使用的乘性因子（multiplicative factor）有所区别。其中一种可以对传统的...

ESL第十四章无监督学习广义...主成分、非负矩阵分解/原型分析、独立成分分析/探索投影追踪、局部多维缩放

标签：聚类无监督学习降维

不过因素在某种程度上被缓解，原因在于我们不需要在其它变量的值改变的情况下推断P(X)P(X)P(X)的性质怎么改变．（这里应该是说YYY对XXX分布的影响 P486 降维：主成分、多维缩放、自组织映射、主曲线等尝试识别具有高...

"基于度量学习的深度半监督文档聚类研究

标签：沙特国王大学学报深度半监督文档聚类度量学习用户意图 IGSC模型

2022年9月3日收到2022年11月20日修订2022年12月16日接受2022年12月23日在线提供保留字：意图半监督聚类度量学习A B S T R A C T意图表达了用户对文档结构划分的偏好。意图引导的文档结构划分是文本挖掘领域的一项...

用matlab对图像进行频谱分析代码-multiview_learning:multiview_learning

标签：系统开源

用matlab对图像进行频谱分析代码带代码的多视图学习方法 ...KBS20半监督多视图聚类，带有图规则化的部分共享非负矩阵分解 1.11用于多视图聚类的NC18自适应结构概念分解概念分解是NMF的一种变体。 1.12 ICDE20一

多视图聚类综述

标签：聚类数据挖掘机器学习

解决问题：虽然上述子空间方法已经取得了显著的改进，但仍然可以从以下两点进行改进：i）现有的大多数多多视图子空间聚类方法都是先学习一个共享的亲和矩阵或图，然后应用谱聚类得到最终的聚类结果。然而，直接从...

机器学习（二）之无监督学习：数据变换、聚类分析

标签：算法聚类机器学习

文章目录0 本文简介1 无监督学习概述2 数据集变换2.1 预处理和缩放2.2 程序实现2.3 降维、特征提取与流形学习2.3.1 主成分分析2.3.2 非负矩阵分解2.3.3 用t-SNE进行流形学习3 聚类3.1 K均值聚类3.2 凝聚聚类3.3 ...

基于相似性约束的多尺度融合子空间聚类网络

标签：深度子空间聚类网络相似性约束模块自表达系数矩阵实验结果

6658基于相似性约束的党志远1，邓成1，徐阳1，黄恒2，31西安电子科技大学电子工程学院西安2电气与计算机工程系，匹兹堡大学，PA 15260，美国3JD Finance America Corporation，Mountain View，CA 94043，USA{zydang...

矩阵分解笔记（Notes on Matrix Factorization）

标签：矩阵更新方法

本博文主要讨论基本矩阵（Basic MF），非负矩阵（Non-negative MF）和正交非负矩阵（Orthogonal non-negative MF）三种常见的矩阵分解方法。并分别推导了它们的更新规则，收敛性，以及它们的应用。本文地址：...

NMF.非负矩阵分解.--.原理与应用

1.原理发现写关于非负矩阵的博文还是蛮多的，还是以自己的角度总结一下自己的最近看的若干东西以及对非负矩阵分解有用的一些资料链接。NMF，全称为non-negative matrix factorization，中文呢为“非负矩阵分解”。...

论文解读：《基于半监督矩阵分解和随机游走的重叠网络社区划分算法》

标签： Random Walk

考虑了社交网络的结构和特点，提出了一种基于半监督矩阵分解和随机游走的算法。方法步骤：1.通过网络拓扑计算节点之间的转移概率。2.使用随机游走模型获得最终的游走概率，并构建特征矩阵。3.结合网络中的先验内容...

深度转移聚类学习发现新的视觉类别

标签：深度转移聚类学习视觉类别发现聚类模糊性减少未标记数据聚类分配

1通过深度转移聚类学习发现新的视觉类别Kai Han Andrea Vedaldi Andrew Zisserman视觉几何小组，牛津{khan，vedaldi，az}@ robots.ox.ac.uk摘要我们考虑的问题，发现新的对象categories在图像集合。虽然这些图像是未...

多图融合约束半非负矩阵分解的动作分割方法

标签：机器学习人工智能

通过融合序列中的结构相似性和度量相似性信息构造多图融合约束项，融入到半非负矩阵分解中获得序列的低维表示，进而获得序列的k近邻图并利用图割的方法实现准确分割。在两类动作序列上的实验表明，所提方法在保持...

基于图正则化的非负模糊联合编码数据聚类

标签：五个标签

杭州310018阿提奇莱因福奥文章历史记录：收到2020年2020年5月4日修订2020年5月10日接受可于2020年保留字：非负矩阵分解模糊编码局部坐标编码图正则聚类A B S T R A C T非负矩阵分解（NMF）是一种将数据转化为非负...

Large-Scale Clustering With Structured Optimal Bipartite Graph结构化最优二部图的大规模聚类

标签：机器学习人工智能聚类

为了做到这一点，二部图理论经常被用于设计一个可扩展的算法，它描述了样本与少数锚点之间的关系，而不是绑定成对样本。然而，二部图和现有的谱嵌入方法忽略了显式的簇结构学习。他们必须通过使用类似K - Means的后...

半监督学习

标签：机器学习

聚类是将数据中相似的样本归到同一个类别中，不相似的样本归到不同的类别中；降维是将数据样本从高维空间映射到低维空间中，寻找低维空间的数据来近似表示高维数据，减少计算复杂度和计算机存储空间，分解过程要尽...