Multiple Incomplete Views Clustering via Weighted Nonnegative Matrix Factorization with L2;1 Regular
- 题目:Multiple Incomplete Views Clustering via Weighted Nonnegative Matrix Factorization with L2;1 Regularization
- 作者:Weixiang Shao, Lifang He,and Philip S. Yu
- 来源:PKDD 2015
由多视图数据带来的聚类挑战:
- 如何通过探索不同视图间的一致性和互补性来组合不同数量的视图来获得更好的聚类解决方案。
- 如何处理不完整视图数据,如何在所有视图都不完整的情况下,有效又高效地获得更好的聚类结果。
现有算法存在的问题:
- 要么要求至少有一个完整视图,要么不容易扩展到两个视图以上
- 联合加权非负矩阵分解和L2,1正则化
算法思路:
- 引入加权非负矩阵分解,让学到的所有视图的潜在特征矩阵融合到一个公共的consensus,通过正则化潜在矩阵和consensus矩阵间的不一致,MIC可以很容易扩展到两种以上的不完整视图。
- 引入L2,1正则化,使得其对噪声和异常值有较好的鲁棒性
目标函数:
总结:使用联合加权NMF算法来学习每个视图的潜在特征矩阵,同时最小化潜在特征矩阵和一致矩阵之间的不一致,通过降低每个视图中丢失的实例的权重,MIC将丢失实例中的负面影响最小化,通过引入L2,1正则化项,保持了对噪声和异常值的鲁棒性。
Multiple Incomplete Views Clustering via Weighted Nonnegative Matrix Factorization with L2;1 Regular相关推荐
- Non-negative Matrix Factorization 非负矩阵分解
Non-negative Matrix Factorization 非负矩阵分解 Introduction 定义 非负矩阵分解(non-negative matrix factorization),或 ...
- nonnegative matrix factorization (NMF)的R实现
非负矩阵分解(NMF)是一种最新的特征提取算法,与主成分分析(PCA)或独立成分分析(ICA)类似,非负矩阵分解(NMF)的目的是使用有限的基础成分来解释观察到的数据,这些成分组合在一起时尽可能准确地 ...
- scikit-learn:通过Non-negative matrix factorization (NMF or NNMF)实现LSA(隐含语义分析)...
scikit-learn:通过Non-negative matrix factorization (NMF or NNMF)实现LSA(隐含语义分析) 之前写过两篇文章.各自是 1)矩阵分解的综述:s ...
- 文献学习(part71)--Graph Regularized Non-negative Matrix Factorization for Data Representation
学习笔记,仅供参考,有错必纠 关键词: 文章目录 Graph Regularized Non-negative Matrix Factorization for Data Representation ...
- 文献学习(part72)--Learning the parts of objects by non-negative matrix factorization
学习笔记,仅供参考,有错必纠 文章目录 Learning the parts of objects by non-negative matrix factorization 摘要 正文 Learnin ...
- NMF 非负矩阵分解(Non-negative Matrix Factorization)实践
1. NMF-based 推荐算法 在例如Netflix或MovieLens这样的推荐系统中,有用户和电影两个集合.给出每个用户对部分电影的打分,希望预测该用户对其他没看过电影的打分值,这样可以根据打 ...
- Non-Negative Matrix Factorization 非负矩阵分解(NMF)
Non-Negative Matrix Factorization 非负矩阵分解(NMF) 简介及基本思想 1999年由D.D.Lee和H.S.Seung提出的新的矩阵分解思想,在矩阵中所有元素均为非 ...
- 《Non-Negative Matrix Factorization for Polyphonic Music Transcription》译文
NMF(非负矩阵分解),由于其分解出的矩阵是非负的,在一些实际问题中具有非常好的解释,因此用途很广.在此,我给大家介绍一下NMF在多声部音乐中的应用.要翻译的论文是利用NMF转录多声部音乐的开山之作, ...
- 论文Algorithms for non-negative matrix Factorization
摘要:非负矩阵分解对于多元数据是有用的降维方法.分析两种不同的多元算法对于NMF.他们只是在在更新规则中乘法因子的有轻微的不同.一个算法显示去最小传统最小二乘损失,另一种是最小泛化的KL散度.这两算法 ...
最新文章
- 我希望支持JavaScript GraphQL实现的API
- Linux 实时查看日志文件的 4 种方法
- 在WebApi中实现Cors访问
- java-基础-ArrayList剖析
- Visual Studio 2017 调试 windows server 2016 Docker Container
- 图解Cisco Packet Tracert之利用TFTP来升级路由器的IOS
- 【每日SQL打卡】​​​​​​​​​​​​​​​DAY 5丨至少有5名直接下属的经理【难度中等】
- 笔记本电脑锁_武汉笔记本电脑模型打样价格
- 2016年3月-7月电机组装以及基于MAXON运动控制系统
- P4859 已经没有什么好害怕的了
- Python椭圆加密算法实现区块链信息认证
- 小菜编程成长记(一 面试受挫——代码无错就是好?)
- 推荐七个逆天神器APP,让你分分秒秒变优秀
- IPC--印制电路板的一种标准
- 菜鸟阿鑫对于一堆数组的总结以及理解
- Neural Graph Collaborative Filtering【阅读笔记】
- m132nw与m132snw差异_最新评测揭秘m132nw与m132snw差异哪个好?各个型号有什么区别?用户实话实说...
- 论文笔记 -- Communication Lower Bound in Convolution Accelerators 卷积加速器中的通信下界
- Lazada开店步骤Lazada开店需要条件
- string类函数和牛客网剑指offer刷题记录
热门文章
- 已解决libpng warning: iccp: known incorrect sRGB profile
- 华丽焕新,不同以“网” | 企企通新版官网正式亮相!
- 排队论和随机过程(性能优化CPU、服务器调度,软硬件开发者都需要知道的理论)
- javascript 在conductor的使用
- java实现k 近邻算法_K近邻算法哪家强?KDTree、Annoy、HNSW原理和使用方法介绍
- await实现并发的原理
- step_function函数完全解析
- 知虾:虾皮Shopee换货卖家要怎么处理?
- iconfont 图标转为字体_iconfont 转换为图标字体
- 12.01-内存管理_定时器的循环引用