文档名：结合谱聚类的标记分布学习
标记分布是一种新的学习范式,现有算法均直接利用条件概率建立参数模型,但大多数未充分考虑样本之间的联系.基于此,引入谱聚类算法,通过样本之间相似性关系将聚类问题转化为图的全局最优划分问题,进而提出一种结合谱聚类的标记分布学习算法SC-LDL(LabelDistributionLearningwithSpectralClustering).首先计算样本相似度矩阵,然后对矩阵进行拉普拉斯变换,构造特征向量空间,最后通过K-means算法对数据进行聚类建立参数模型,预测未知样本的标记分布.与现有算法在多个数据集上的实验表明,本算法优于多个对比算法,统计假设检验进一步说明算法的有效性和优越性.
作者：王一宾 李田力 程玉胜
作者单位：安庆师范大学计算机与信息学院,安徽省安庆246011;安徽省高校智能感知与计算重点实验室,安徽省安庆246011安庆师范大学计算机与信息学院,安徽省安庆246011
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：
关键词：谱聚类算法 标记分布学习 相似度矩阵 拉普拉斯变换 参数模型
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文
- 文件大小:
- 485.8 KB
- 下载次数:
- 60
-
高速下载
|
|
