关键词clustering performance
搜索结果 - 25
- 双重循环一致对抗生成网络用于无监督条件生成
本文提出了一种新的无监督条件生成框架:双循环一致性条件生成对抗网络(DC3-GAN),该框架通过引入编码器 - 生成器对,使我们在避免生成过程低多样性和潜在特征平凡性的同时,也可以间接地估计真实条件分布,从而 提高聚类性能和分离性能。
- ICLRSOM-VAE: 时间序列可解释离散表示学习
提出了一种针对高维时间序列数据的离散表征学习框架,通过整合可解释性离散降维和深度生成建模方法,得到在可解释性和聚类性能方面优异的平滑嵌入表征,基于自组织映射算法和马尔科夫模型实现了离散表征的概率化解释和进一步优化,实验结果显示其表现比竞争方 - 多源多视角聚类中的差异惩罚方法
本文提出了一种基于跨源差异惩罚的集体谱聚类框架 —— MMC (多源多视角聚类) 来解决多源数据的多视角聚类问题,该方法考虑了视角间不完全的映射、相容性以及跨源实例相似性等方面,实验表明相比其他方法,MMC 的聚类性能更为有效。
- AAAI谱收缩聚类的凸形式
该研究提出了一种基于凸优化的算法,可以在低维度空间中进行流形学习和聚类,相比于传统方法,该算法获得了更有结构的聚类结果并取得了很好的性能表现。
- NIPS贪心子空间聚类
本文提出了新的便捷高效的算法来解决低维线性子空间聚类问题,并通过统计分析证明算法在某些条件下保证精确的聚类性能,并在模拟数据和真实数据上进行了实验验证。