凸约束下的谱聚类
本文介绍了一种明确将 Must-Link 和 Cannot-Link 约束作为约束优化问题部分的灵活的约束光谱聚类方法,通过广义特征分解,在多个数据集上取得了较好的结果。
Jan, 2012
本文拓展了经典的谱聚类方法,将不能链接和必须链接约束整合到了聚类中,并通过松弛优化问题获得了一种新的连续性方法,相比其他约束谱聚类方法,该方法能够保证满足所有约束条件并且可以快速处理大规模数据集。
May, 2015
本研究研究了一种受 Chierichetti 等人提出的公平原则约束的、用于对图形数据进行分区的谱聚类方法。我们开发了归一化和非归一化受约束谱聚类的变体,并证明它们可以在合成和真实数据上找到更公平的聚类结构。在一种自然环境变体的随机块模型上,我们对算法进行了严格的理论分析,并证明我们的算法可以以高概率恢复这种公平聚类。
Jan, 2019
本文提出了一种基于图拉普拉斯矩阵的谱性质与高斯图模型相结合的统一图学习框架,该算法能够有效地学习一大类图族的结构,并在大规模半监督和无监督的基于图的学习任务上进行实际的应用。
Sep, 2019
本文详细介绍了约束聚类算法的背景和各种可用约束类型的评级分类,重点研究了基于实例级对偶约束的约束聚类及应用程序和历史背景,并对 307 种约束聚类方法进行了统计分析,根据其受欢迎程度和验证质量对其进行了分类和排名评分,最后提供了潜在的陷阱和未来的研究方向。
Feb, 2023
本文提出了一种改进的光谱聚类算法,旨在解决预定义的相似性图可能不是合适的聚类结果,并且传统离散化解决方法与光谱解决方案可能不一致的问题,并引入多核学习来解决如何选择最适合特定数据集的核的应用挑战。实验结果表明,该方法相比于现有的聚类方法具有更好的性能。
Nov, 2017
本篇论文提出了一种基于边缘的多极谱聚类方法,并将其应用于谱聚类问题的松弛和圆整方面的统一分析,为现有算法的分析提供了指导,并介绍了谱聚类与多个统计学主题的联系,包括最小方差聚类、匹配分析和高斯内在自回归。
Feb, 2011