- 基于调色板的图像色彩转换
自动生成新的调色方案的调色迁移方法,通过重新设计的基于调色板的聚类方法和基于深度学习的图像分割的结合,实现了前景和背景部分的独立调色迁移,同时保持语义一致性。实验结果表明,该方法在自然逼真度、颜色一致性、普适性和鲁棒性等方面优于同类方法。
- 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。
- 一种基于图最大解码信息的聚类方法
CMDI 是一种基于图模型的聚类方法,通过将二维结构信息理论纳入聚类过程,提高解码信息质量和计算效率,从而成为图形聚类分析中的有价值工具。
- $Des$-$q$:一个构建和高效重训练用于回归和二元分类的决策树的量子算法
介绍一种名为 $Des$-$q$ 的新型量子算法,用于构建和重新训练用于回归和二分类任务的决策树,并通过开发高效的量子监督聚类方法实现聚类分割。该算法在训练样本数量的对数时间复杂度范围内显著减少了重新训练决策树所需的时间,同时展示了与现有决 - 层次聚类的数据聚合
使用 BETULA 数据聚合算法进行数据聚类,使得在资源受限的系统上使用层次凝聚聚类方法成为可能,仅在聚类质量上有轻微损失,并且允许对非常大的数据集进行探索性数据分析。
- 基于视觉绑定、自监督的语音模型中的音节发现和跨语言泛化
本文提出了一种自我监督语音模型训练方法,可以自动检测语音中的音节边界并对同一音节进行聚类,该模型不仅在英语上表现优异且能够泛化到其他语言,实现了零样本学习,且在四种语言上实现了词分割任务的零样本迁移,胜过了之前的最佳成果。
- KDD通过向量量化互信息最大化实现癌症自动亚型划分
通过提出一种新的聚类方法,我们可以利用基因表达谱划分癌症亚型,提高聚类效果,并与医学分析方法相结合,进一步证明其与患者生存率的高相关性。
- Few-Shot 学习仍需要嵌入自适应
提出 ATG 聚类方法,定义训练和测试任务集,使其共享预定义量的信息以分析和理解 few-shot 分类方法,并在生成的任务集中展示其有效性和相对于基准任务集的优越性。最后,揭示在迁移最具挑战性时,基于梯度的方法可以超越基于度量的方法。
- 利用多模态自监督从零开始标记未标记的视频
本文提出了一种基于音频和视觉的聚类方法,可以实现对视频数据集的无监督标记。经过广泛的分析,结果聚类与人工标签有很高的语义重叠性。同时,该方法也为 Kinetics,Kinetics-Sound,VGG-Sound 和 AVE 等常见视频数据 - MM使用单个无人机的基于 RSSI 的户外定位
本文提出了一种基于 RSSI 的定位方法,利用单个无人机通过聚类方法和奇异值分解来实现,实验结果表明,该方法可以实现低至 7 米的定位准确度。
- CVPR利用第一邻居关系实现高效无参数聚类
提出了一种新的聚类方法,可以直接发现数据中的分组,不同于大多数现有的聚类算法,该方法不需要任何超参数、距离阈值和 / 或指定聚类数,该算法属于层次凝聚方法,在不同领域的公认数据集上评估表明性能大幅提高。
- 基于模型的网络群聚类
我们提出了一种基于广义线性(混合)模型的基于模型的聚类方法,用于描述网络人口的联合分布并识别共享某些感兴趣的拓扑性质的网络子人口,最大似然估计可通过 EM 算法实现。