- 有向网络的强弱随机行走
提出了一种适用于具有多个共同体的带符号网络的随机游走算法,其结果是一个相似性矩阵,可用于将节点聚类成对立的共同体。通过一系列实验表明,相较于基于强型游走的相似性矩阵,基于弱型游走的相似性矩阵在具有多个共同体或在链接密度上不对称的图中能够更好 - 低秩张量表示的半监督对称矩阵分解
我们提出了一种新的半监督对称非负矩阵分解模型,通过为通过对称约束矩阵和嵌入矩阵转置的乘积得到的相似度矩阵合成的张量寻找低秩表示,同时从全局角度加强这两个矩阵,然后通过增强的 SNMF 模型使嵌入矩阵适应此张量低秩表示,最终通过强化的相似约束 - 谱聚类中特征向量的渐近高斯波动
通过对相似性矩阵的特征向量的波动性进行建模,证明了在大维空间中其元素的波动服从高斯分布,从而精确预测了谱聚类的分类性能。通过对合成数据和真实数据的数值实验,证明了这一现象的普适性。
- 一种新的稻谱聚类算法
基于物种的表型特征的聚类性状,我们通过使用概率采样和光谱聚类算法,提出了一种新的聚类算法,该算法在构建相似性矩阵、尺度缩放和采样概率计算等方面进行了改进。通过对 1865 个水稻物种的实验,我们证明了新的采样光谱聚类算法在轮廓系数方面比层次 - 一种包含自导和分块对角表示的重新启动的大规模谱聚类方法
该论文提出了一种基于自回归、块对角表示和 Nyström 逼近的重新启动谱聚类框架,可以应用于大规模问题中,其理论结果证明了不精确计算在谱聚类中是合理的。
- RD-DPP: 速率失真理论 meets 确定性点过程以实现多样化学习数据样本
该研究提出了一种基于速率失真理论的选择具有任务导向的多级分类数据样本的新方法,称为 RD-DPP,可用于评估数据样本的情境感知多样性。此外,该研究观察到了基于确定性点过程的数据选择在样本累积过程中存在相变现象,从而设计出一种双峰方法以获得更 - 基于相似度的卷积神经网络被动式滤波剪枝压缩方法
通过 Nyström 近似方法,提出了一种高效的基于相似度的被动滤波器剪枝方法,相比于基于相似度的滤波器剪枝方法,其计算速度快三倍,准确率相同,该方法还表现出与现有基于范数的剪枝方法相似或更好的效果。在 DCASE 2021 任务 1A 基 - 基于 Bi-LSTM 评分和凝聚层次聚类 (AHC) 的说话人分离相似度测量
本文提出了一种基于双向 LSTM 网络的语音分割与边界检测方法,用于解决多个人同时说话时 PLDA 算法无法考虑语音结构,容易出错的问题,实验表明该方法在 ICSI 会议语音数据集上的 Diarization Error Rate 可降低至 - IJCAI光谱扰动相遇不完整多视图数据
该研究论文提出了一种基于赫尔伯特 - 施密特谱理论和矩阵完成方法的不完整多视图聚类算法 PIC,旨在解决在现实生活中多种数据缺失的情况下,提高多视图聚类效果
- AAAI带最优图的统一谱聚类
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 - 带侧信息的聚类查询复杂度
研究交互聚类的查询复杂度和相似度矩阵的信息理论下界及上界,证明相似度矩阵可以显著降低查询复杂度,在不知道 $k,f_+ 和 f_-$ 的前提下,算法高效且参数免费,并揭示其与常见社区检测模型的关联。
- 具有单调拓扑特性和多连通分支的图形学习
本文提出了一种基于图的拓扑推理和图权重估计的方法来解决逆协方差估计问题,其中图的拓扑使用拓扑推理步骤来推断,估计的图权重受到该推理步骤找到的拓扑的约束。这种方法已在合成和纹理图像数据上取得了良好的结果。
- AAAI众包实体消解中的第一启发式理论分析
本文研究使用围绕众包的启发式算法解决实体识别问题,分析了常见的算法并提供了实验和信息理论下界的支持。
- AAAILASS: 一个使用拉普拉斯平滑的简单分配模型
本文提出了一种基于相似度矩阵的软分配学习模型,使用二次规划方法求解,兼具半监督学习的特点,通过交替方向乘法算法得到训练算法。该模型适用于物品自然归属于多个类别或类别之间有复杂交互的情况,例如关键词或标签的注释。
- ICML自适应学习群体核
该论文介绍了一个算法,可以根据众包数据独立学习 n 个对象之间的相似矩阵,其中算法采样同类三元组的相对相似度数据,并通过支持向量机(SVMs)证明,该算法生成了准确捕捉图像特征的众包核特征。
- 图顶点之间的相似度度量
该研究介绍了一种相似度概念和其在有向图中的运用,并指出其可用于自动提取单语言词典中的同义词。