Feb, 2024

基于锚点图因式分解的无锚点聚类

PDF
TL;DR通过学习锚图并消除聚类中心初始化的必要性，我们引入了一种名为基于锚图因子分解的无锚点聚类（AFCAGF）的新颖方法，它通过计算样本之间的成对距离来实现。采用此方法，我们改进了模糊 k 均值聚类算法（FKM），并引入了一种新的流形学习技术，消除了初始化聚类中心的需要。此外，我们将 FKM 中聚类中心和样本之间的成员矩阵概念发展为包含多个锚点和样本的锚图。在该锚图上采用非负矩阵分解（NMF）可以直接导出聚类标签，从而消除了更多后处理步骤的要求。通过交替优化算法实现所提出的方法，确保收敛。对各种真实数据集进行的实证评估突显了我们的算法相对于传统方法的卓越功效。
anchor-based methodsclusteringlarge-scale datamanifold learningfuzzy k-means clustering algorithm
发现论文，激发创造
  • 基于锚图张量分解的可解释多视角聚类

    基于锚点图的聚类方法在处理大规模数据和获取高性能聚类方面表现出色。为了提高锚点图分解矩阵的聚类可解释性，并全面考虑不同视点信息，我们提出了一种基于非负张量分解的多视点聚类方法。实验证明了该方法的有效性。

    Apr, 2024

  • 锚定离散因子分析

    本研究介绍了一种用于学习任意结构的离散因子分析模型的半监督学习算法，该算法假定每个潜在变量都有 “锚”，即仅有该潜在变量作为其父变量的观测变量。在给定这些锚的情况下，可以恢复隐变量的矩，并利用这些矩来学习完整的模型。同时，我们还介绍了一种提高矩方法算法健壮性的新技术，即通过优化边际多面体或其松弛度。我们在 Stack Overflow 网站提问的标签预测和急诊科医学诊断两个实际任务中对我们的算法进行了评估。

    Nov, 2015

  • AGFormer: 锚点图变换器实现高效图表示

    本研究提出了一种新的图形 Transformer 架构，称为 Anchor Graph Transformer（AGFormer），通过利用锚图模型将节点到节点的消息传递转换为锚到锚和锚到节点的消息传递过程，从而比常规节点到节点的 Transformer 更高效且更具鲁棒性。

    May, 2023

  • 通过对社交三元图进行因式化注意力实现基于排名的群组识别

    本研究提出了一种基于图神经网络的 CFAG 框架来解决社交媒体上基于排名的群组识别任务，并采用 tripartite graph convolution 层和 propagation augmentation 层来解决用户、群组和项目之间的信息传递问题，以及处理数据稀疏性问题。实验结果证实了 CFAG 框架的优越性。

    Nov, 2022

  • 图嵌入的自适应模糊 C 均值

    提出了一种新的基于 FCM 的模糊聚类模型，能够自动学习适当的成员度超参数值，并处理具有非高斯聚类的数据，实验证明了该模型的有效性。

    May, 2024

  • 基于非负矩阵分解的多模态多视角聚类

    通过结合相关对象，无监督机器学习技术旨在揭示数据集中的潜在模式。在本文中，我们提出了一项关于多模态聚类算法的研究，并提出了一种名为多模态多视图非负矩阵分解的新方法，其中我们分析了多个局部 NMF 模型的协同作用。实验结果表明，所提出的方法具有较大的价值，并使用多种数据集进行评估，相比于现有的方法，获得了非常有前景的结果。

    Aug, 2023

  • 无监督图表示学习的图级通用潜在因子提取

    该论文提出了一种新的无监督图表示学习原则 —— 基于图的通用潜在因子提取（GCFX）以及一个深度学习模型 deepGCFX，利用提取出来的共同的潜在因子来改进下游任务的表现，特别是对于非同配图，还揭示了通用的潜在因子可以减轻节点或局部邻域的局部变化带来的干扰，从而有助于节点或图级的任务执行。

    Dec, 2021

  • 锚图深度多视角子空间聚类

    本文提出了一种基于锚图、伪标签和对比学习的深度多视图子空间聚类方法，通过独立学习每个视图的特征并在集成锚图上执行谱聚类来解决现有方法存在的问题，实验结果表明其在真实世界数据集上具有优越的聚类性能。

    May, 2023

  • 图卷积神经网络中节点汇聚的非负因式分解方法

    该论文讨论了一种在图形结构数据中引入池化机制的方法，并将其作为图形卷积神经网络的组成部分。研究表明，这种粗化过程显著提高了模型的预测性能。

    Sep, 2019

  • 重新思考基于图自编码器的属性图聚类模型

    为了解决图聚类中的关键问题：特性随机性和特性漂移，本文提出了一种 GAE 聚类方法，并提出采样和操作符，以提高聚类效果和鲁棒性。

    Jul, 2021