【摘 要】
：
目前多视角聚类已取得了重要进展,但仍然面临诸多挑战,其中一个关键的挑战是:尽管大部分多视角聚类方法提出了不同的视角协同机制,但大部分方法在进行多视角协同时间,仅利用显式的原始空间信息或者仅利用某些隐性空间的信息,因而未能充分实现显隐信息间的协同。此外,拓扑结构是数据集的重要的信息,但多数多视角聚类算法进行协同学习时,未能充分利用此类信息进行协同。针对上述挑战,本文提出了两个多视角聚类算法,较之于目
论文部分内容阅读
目前多视角聚类已取得了重要进展,但仍然面临诸多挑战,其中一个关键的挑战是:尽管大部分多视角聚类方法提出了不同的视角协同机制,但大部分方法在进行多视角协同时间,仅利用显式的原始空间信息或者仅利用某些隐性空间的信息,因而未能充分实现显隐信息间的协同。此外,拓扑结构是数据集的重要的信息,但多数多视角聚类算法进行协同学习时,未能充分利用此类信息进行协同。针对上述挑战,本文提出了两个多视角聚类算法,较之于目前已有的多视角学习算法,本文所提算法在理论和性能表现上都有显著提升。如下是本文针对多视角聚类的两个主要工作:1)第一个工作是提出一种兼顾显隐信息与特征加权的多视角模糊聚类算法,该算法在模糊聚类框架下实现各视角的协同学习。一方面,通过为每个视角下的特征加权进行聚类,得到了个性化信息。另一方面该算法以特征学习的方式抽取多视角数据集共享的系数矩阵,得到共性信息,实现了一种显隐视角协同的多视角学习。2)第二个工作是提出了一种兼顾双份隐视角和网络lasso约束的协同增强多视角聚类。该算法首先引入了两种不同的隐视角来表征数据,其一是利用自适应非负矩阵分解技术来构建多个显示视角的共性隐特征视角,其二是利用样本对于不同聚类簇的隶属度信息来构建出各显性视角的另一共性隐性视角,进而提出了一种显隐视角协同和空间拓扑信息协同增强的多视角模糊聚类算法。
其他文献
图像融合的基本思想是利用特定算法将多种传感器对同一场景获取的图像提取不同信道的有用信息,最后融合成高质量的图像,以提高图像的利用率、可信度和准确性,在军事监测、医疗诊断和目标识别等领域广泛应用。在过去的几十年中,许多传统的图像融合方法被提出,这些图像融合算法大致可以分为两类,即空间域算法和变换域算法。空间域算法首先根据某种策略将源图像划分为若干个图像块,然后对每对图像块根据计算活动度量融合在一起。
随着电子信息技术的快速发展,印刷电路板（PCB）应用越来越广泛,为准确高效地对其进行检测,自动光学检测技术（AOI）逐渐发展起来且已被应用于实际生产。目前,AOI技术主要采用2D视觉检测方法,但是由于元器件表面字符印刷方式不同,元器件字符凹凸性不同、颜色和大小多样,2D字符识别系统的鲁棒性低,准确性不足。而PCB的3D点云（3D-PCB）数据中的高度信息能有效增强PCB的2D图像（2D-PCB）中
在食品3D打印过程中,大多数食品材料水分含量较高,流动性较强,且无光固化性、热熔性等固化特征,打印制品易发生形变、坍塌、流淌等现象。目前主流的解决方案是调整浆料组分,使浆料获得较好的流体力学性质,在流畅挤出的同时,保持结构强度。但此方案下打印的制品仍为流动态,无法规避打印及后加工处理过程中的形变因素。因此,本研究通过构建多物理场仿真模型,开发微波3D打印固化单元,以具有良好3D打印属性的鱼糜为打印
电子游戏已经成为大众生活中越来越重要的休闲娱乐活动之一,而功能游戏这一新的游戏品类由于具有较大的社会价值,正受到越来越多的关注。功能游戏强调其文化、教育等多重功能,不仅会影响到用户的体验感受,同时也关系到游戏功能作用的传达效果。认知负荷理论是现代认知心理学基础上发展而来的重要理论,具有广泛的应用能力与实操价值,早先已经有众多研究者将其运用于教育学领域用以验证学习成效,近年来也逐渐被运用到产品设计领
无线射频识别（Radio Frequency Identification,RFID）作为一种使用射频信号进行信息交互的技术,有效地实现物与物之间的非接触性识别的短距离通信技术,被广泛应用于智慧仓储、智慧驾驶、安防以及军事等多种前沿的领域中。在被广泛应用的同时,RFID系统存在的安全隐私、阅读器可移动性等问题也受到大家的关注。面对这些问题,国内外研究学者致力于提出一种有效的RFID安全认证协议来提
随着信息技术的快速发展,各行各业所创造的数据总量以惊人的速度快速增长。为了能从海量的数据中获得有效的信息,数据挖掘技术应运而生。目前,数据挖掘已被广泛应用于多个领域,在全球竞争、社会生活等方面均发挥了重要作用。但是在实际应用中,人们发现很多数据集的样本并不是均衡分布的。而且,传统分类算法是建立在数据分布均衡的基础上,处理不均衡数据会过多关注多数类样本,难以保证更有分类价值的少数类样本的分类性能。因
随着计算机视觉技术的发展,目标跟踪技术作为其中一项研究热点,在医学诊断系统,智能交通,机器视觉,行为识别等领域都有着广泛的应用。虽然,近些年国内外专家学者对目标跟踪技术贡献了各种各样的算法,但由于复杂多变的目标跟踪应用场景,依然面临着诸多挑战,例如:运动模糊,低分辨率,平面内（外）反转,物体遮挡等。这些挑战使得现有目标跟踪技术的跟踪效果与专家们的预期还有一定的距离。因此,如何提高跟踪技术的效率和稳
近年来,随着图像传感器技术及图像处理算法的日趋成熟,机器视觉检测技术在检测精度大幅提升的同时,其自动化检测生产线的成本大幅下降,这使得机器视觉检测技术在生产和生活的各个领域中得到广泛应用。但由于被检测物体种类丰富多样,表面特性变化多端,导致机器视觉缺陷检测技术在某些对光源要求严格的低适光性物体表面缺陷检测的应用中存在一定困难。为此,本文以高纹理物体表面和高反光曲面等低适光性表面为主要研究对象,设计
细粒度图像分类是指对大类下的子类进行更加精细的划分,比如区分一只鸟是海鸥还是大雁。随着人工智能的发展,同一基本类别下的物体的子类别分类的需求日益增多,如商品的品牌分类、植物研究领域的植物分类、车辆的型号和品牌分类等。然而,由于细粒度图像类别之间的差异很小,类别内部差异较大的原因,细粒度图像分类是一项非常困难的任务。由于子类别通常具有较小的类间差异,需要靠微小的局部差异对类别加以区分。论文在深度学习
聚类算法作为模式识别、数据挖掘领域的重要研究内容,受到研究者的广泛关注。近年来,许多对团簇状的数据表现出较好性能的聚类算法被提出,但面对结构复杂、边界不易区分、非球形分布和高维的数据集,单个聚类算法很难得到较好的聚类结果,集成聚类算法则可以解决上述问题。本文从多个方面研究集成聚类算法,并对集成聚类算法进行改进,具体研究内容如下:1.提出一种超簇加权的集成聚类算法。由于大多数集成聚类使用K-mean