Oct, 2013

基于集体核学习的多不完整数据集聚类

PDF
TL;DR本文提出了一种名为 “Collective Kernel Learning” 的方法，利用多个不完整数据集的共享实例来推断潜在的样本相似性，进而解决数据集不完整的问题，通过基于该核矩阵的聚类算法，实验结果表明该方法比其他比较算法在规范化相互信息方面性能提高了两倍。
multiple datasetsclustering algorithmsincomplete datasetscollective kernel learningrecommendation system
发现论文，激发创造
  • 相似性和聚类的双生学习：统一的核方法

    为解决相似性测量困难及非线性相似性未被充分考虑等问题，在核空间中提出一种模型，同时学习聚类指示器矩阵和相似度信息，并通过多核学习能力进一步扩展模型以选择最合适的内核。该模型可自动完成三个子任务以获得最佳聚类解决方案。

    May, 2017

  • 通过非参数散度估计在样本集上的核函数

    该论文提出了一种基于核函数的机器学习算法，可以通过对数据集的分组进行处理，采用独立同分布的样本集作为数据点，利用非参数估计器提取核函数特征从而实现多种分类、回归和异常检测等任务。

    Feb, 2012

  • 可扩展核聚类：近似核 k-means

    本文提出了一种基于随机化的近似核 K-means 簇算法，其利用采样点与数据集中所有点之间的核相似性来近似聚类中心，实现了与传统低秩核近似聚类方案相比更好的聚类性能、更短的运行时间和更小的内存需求，最后利用集成聚类技术进一步提高算法性能。

    Feb, 2014

  • 基于图聚类和半监督分类的自加权多核学习

    本文提出了一种新的 MKL 框架，通过将每个核定义为一致核的扰动，并为接近一致核的核分配大权重来解决现有算法的各种问题。该框架被集成到用于基于图形的聚类和半监督分类的统一框架中，并在多个基准数据集上得到了实验验证，证实了新框架的优越性。

    Jun, 2018

  • 来自分布式数据集的客户端 - 服务器多任务学习

    描述了一个客户端 - 服务器体系结构，该体系结构可以同时处理分布式数据集中的多个学习任务。该体系结构的目标是从多个数据集进行信息融合，同时保护个体数据的隐私。所提出的算法框架基于正则化理论和核方法，并使用适当的混合效应内核。该方法通过模拟音乐推荐系统进行了说明。

    Dec, 2008

  • 追求更好分类的数据插补：一种监督式基于核函数的方法

    提出一种新的框架，通过利用监督信息来完成缺失数据，使其有利于分类，并在四个真实数据集上证明了该方法的优越性能。

    May, 2024

  • 多核 k 均值聚类的核相关 - 不相似性

    通过综合使用核相关性和差异性，我们提出了一种新的方法来提取非线性信息和实现最优聚类，从而提高聚类的性能。

    Mar, 2024

  • 基于时间序列聚类核的多元时间序列缺失数据学习相似性

    该论文提出了一种称为强健时间序列簇核的方法，使用了高斯混合模型和信息先验分布来处理缺失数据，并采用集成学习方法来确保对参数的鲁棒性。实验结果表明，该方法对于参数的选择鲁棒，在处理缺失数据的情况下表现出色。

    Apr, 2017

  • 自适应学习群体核

    该论文介绍了一个算法，可以根据众包数据独立学习 n 个对象之间的相似矩阵，其中算法采样同类三元组的相对相似度数据，并通过支持向量机（SVMs）证明，该算法生成了准确捕捉图像特征的众包核特征。

    May, 2011

  • 多组学数据集成的监督多核学习方法

    多核学习是一种在生物学和生物信息学中用于多组学输入的灵活、有效的方法，并且可以与深度学习架构相竞争，为异构数据集成方法提供了进一步发展和生物数据挖掘研究的方向。

    Mar, 2024