- 半约束聚类的约束匹配
本文提出了一种半监督背景下的约束聚类模型 ConstraintMatch,通过使用没有约束的数据和伪约束机制解决了伪标签的确认偏差问题,并采用新的伪标签方法选择信息量高的无约束样本,从而实现了半约束模型训练。作者在多项实验中验证了 Cons - 通用弱核心集
该文提出了一种叫做 “通用弱核心集” 的概念,用于约束聚类设置中,与最近的约束设置下核心集构建结合使用,能够给出更大的数据压缩、概念上更简单,适用于广泛的约束 $k$- 中位数和 $k$- 均值问题。
- 半监督约束聚类:深入概述,分类排名和未来研究方向
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 - 可解释聚类的最优决策树
本文提出了一种新的基于 SAT 的可解释聚类框架,支持聚类约束,同时提供强有力的解决方案质量理论保证,并给出了关于解释性和满足用户约束之间权衡的新见解。
- WSDM通过约束聚类学习离散表示以实现有效和高效的密集检索
RepCONC 是一种通过 CONstrained Clustering 学习离散文档表示形式来实现快速近似最近邻搜索的新型检索模型,它为量化建模提供了约束聚类方法,并在两个受欢迎的信息检索基准测试上展示了比竞争向量量化基线更好的排名效果。
- CVPR基于结构正则化深度聚类的无监督领域自适应内在数据结构挖掘
使用深度聚类框架,基于结构相似性约束的聚类算法,对无标签目标领域进行无监督域适应任务,能够在图像分类和语义分割领域内的无显式特征对齐的情况下,实现优异表现
- 公平聚类中用于度量空间和欧几里得空间的核心集及其应用
本文针对公平聚类提出了一种基于随机抽样的核心集构建法,使得可以在一般度量空间中获得公平聚类的第一个核心集,以及在欧氏空间中实现核心集大小不呈指数级增长的公平聚类。此外,还推导了针对受限聚类问题的核心集构造方案,并通过此方案提出了一些新的近似 - 基于深度约束支配集的人员再识别
本文提出基于约束聚类算法的深度两级分层聚类算法,通过将探测图像作为约束,实现对行人重识别的精确聚类和表征,实验表明该算法优于现有算法。
- KDD深度约束聚类框架 —— 算法和新进展
这篇论文介绍了一种基于深度学习的约束聚类框架,可应用于连续数据和高层领域知识等不同类型的约束条件,相比基于传统算法的方法,效果更好。
- 低秩二进制矩阵逼近问题的逼近方案
我们为一种关于二进制向量聚类的约束性问题提供了一种随机线性时间逼近方案,并且通过解决这个问题,我们获得了在二进制向量聚类和二进制矩阵低秩逼近方面的第一个线性时间逼近方案。
- CVPR一种概率约束聚类方法用于迁移学习和图像类别发现
本研究提出了一种针对深度网络和大量类别进行优化的聚类目标函数,通过对成对约束条件的负对数似然最小化来优化聚类分配,具有优秀的可扩展性和性能。
- 关于约束的谱聚类及其应用
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。