关键词graph-based clustering
搜索结果 - 7
- ACL基于图的聚类方法用于检测跨时间和语言的语义变化
该研究提出了一种基于图的聚类方法，旨在捕捉各种高频和低频单词感知的微妙变化，包括这些感知随时间的获得和丧失。实验结果表明，该方法在四种语言的 SemEval2020 二元分类任务中显著超过了以前的方法。此外，我们展示了该方法作为一种多功能可 - 谱聚类和 SpectralNet 的无参数图缩减
本研究提出了一种不需要参数调整的图缩减方法来构建适用于谱聚类和 SpectralNet 的图，通过邻域密度和相似度过滤，实现了高效的聚类检测。
- 通用数据的高阶多视角聚类
提出了一种名为高阶多视角聚类 (HMvC) 的方法，该方法采用图过滤来编码结构信息，扩充了学习到的图，利用自适应图融合机制来实现一致性的分布式图。实验结果显示，在非图和有属性图数据方面，我们的方法在各种现有技术，包括一些深度学习方法方面都表 - AAAI多视角聚类的静态扩散状态神经估计
利用神经网络模型进行静态扩散状态估计的一项新方法，使用共监督学习来监督模型学习，并采用多层次图结构信息，共享自注意力模块来将多个图集成为一个统一的共识图，从而将图聚类提高到了一个新的档次。
- 相似性保持聚类
提出了一种更有区分性的图学习方法，该方法具有自适应性，可以保留样本之间的成对相似度，并且有效地统一了聚类和图学习，可在不执行进一步聚类步骤的情况下直接从图本身获取聚类指标。
- 基于图聚类的低秩核学习
通过将图构建和核学习统一框架，可以通过彼此迭代的方式增强图及共识核，而我们提出了一种学习低秩核矩阵的方法，从候选核之间的邻域中寻找最优核矩阵，进而解决了现有多核学习算法中的一些问题，并得到了验证。
- IJCAI基于图聚类和半监督分类的自加权多核学习
本文提出了一种新的 MKL 框架，通过将每个核定义为一致核的扰动，并为接近一致核的核分配大权重来解决现有算法的各种问题。该框架被集成到用于基于图形的聚类和半监督分类的统一框架中，并在多个基准数据集上得到了实验验证，证实了新框架的优越性。