版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、多視角聚類要解決的關(guān)鍵問題是如何有效融合來自多個不同視角的信息,從而更加準確地發(fā)現(xiàn)數(shù)據(jù)潛在的結(jié)構(gòu),提高聚類效果。當前盡管存在一些基于多視角數(shù)據(jù)的學(xué)習方法,然而,大多數(shù)多視角學(xué)習方法主要聚焦于監(jiān)督或者半監(jiān)督學(xué)習,依賴于標注數(shù)據(jù)指導(dǎo)學(xué)習過程。相對于標注數(shù)據(jù),現(xiàn)實中的無標注數(shù)據(jù)非常豐富。隨著計算機在計算、存儲能力方面的極大提高,有效利用大規(guī)模、無標注的數(shù)據(jù)越來越重要。然而,由于缺少標注數(shù)據(jù)的指導(dǎo),無監(jiān)督或者弱監(jiān)督條件下的數(shù)據(jù)分析更具挑戰(zhàn)性。本
2、文聚焦于無監(jiān)督或弱監(jiān)督條件下多視角數(shù)據(jù)上的聚類方法,研究如何有效融合多視角信息及先驗約束提升聚類效果。具體來講,主要包括以下三個方面的研究內(nèi)容:
1)增強互補性的多視角聚類
針對當前多視角聚類方法中,在構(gòu)建各視角相似度矩陣時忽略了視角之間的互補性約束的問題,提出了多樣性誘導(dǎo)的多視角子空間聚類方法。利用希爾伯特-斯密特獨立性標準做為多樣性度量,挖掘多視角子空間表達的互補性。
2)高階關(guān)聯(lián)的多視角聚類
3、 針對當前的多視角聚類方法僅利用成對的視角關(guān)聯(lián)而忽略了多視角之間的高階關(guān)聯(lián)的問題,提出了低秩張量約束的多視角子空間聚類,通過引入低秩張量約束來挖掘和利用多視角之間的互補性。
3)融合約束的多視角聚類
針對聚類過程中存在的先驗信息,提出了約束的多視角聚類方法,聚焦于同時有效利用先驗約束和多視角一致性提升聚類效果。并以視頻人臉聚類做為應(yīng)用范例,提出了約束的多視角視頻人臉聚類框架。
所提出的三種方法驗證了挖掘視角
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 稀疏樣本自表達的子空間聚類算法.pdf
- 概念屬性多視角聚類方法研究.pdf
- 基于多特征和子空間聚類的圖像分割方法.pdf
- 多視角判別聚類算法的研究.pdf
- 基于多視角聚類的離群檢測算法研究.pdf
- 基于子空間聚類的圖像分割方法研究.pdf
- 基于子空間聚類的運動分割方法研究.pdf
- 基于粒計算的多尺度聚類方法.pdf
- 基于多視角社區(qū)發(fā)現(xiàn)的實體聚類算法.pdf
- 子空間聚類改進方法研究.pdf
- 基于雙聚類方法分析基因表達數(shù)據(jù)的研究.pdf
- 基于約束的空間聚類的研究.pdf
- 自適應(yīng)空間聚類方法研究.pdf
- 基于空間實體聯(lián)系的空間聚類算法研究.pdf
- 基于向量空間的文本聚類方法與實現(xiàn).pdf
- 基于密度的空間聚類算法研究.pdf
- 多尺度聚類挖掘方法.pdf
- 面向矩陣秩函數(shù)準確估計的自表示子空間聚類方法
- 基于多密度的聚類算法研究.pdf
- 基于密度的空間聚類算法的研究.pdf
評論
0/150
提交評論