【FCS 人工智能专栏】使用链路预测增强子空间聚类

点击上方蓝字

关注我们

导

读

     在高维数据中，许多维度间彼此不相关，并且，在噪声存在时，簇通常是隐藏信息。子空间聚类作为传统聚类的重要扩展，可以同时将高维数据聚类成几个子空间，并将低维子空间与相应的数据点相关联。在子空间聚类中，关键之一是构建具有块对角形式的关联矩阵，其中块对应于不同的簇。构建关联矩阵的两种主要类型的方法是基于距离的方法和基于表示的方法。通常，块内外密度之间的差异决定了聚类的效率和准确性。在本文中，我们使用统计物理中的链路预测方法来对关联矩阵进行增强，从而提升子空间聚类的效果。通过揭示每个块内部的隐藏链接，我们将关联矩阵对角线的每个块的密度进行提升，同时将其他数据尽可能地稀疏化。与现有方法相比，在已知数据集上，我们方法的聚类精度有着显著的提高。

文章精要

请长按下方二维码识别，阅读该文。

相关内容推荐：

【FCS 人工智能专栏】联合显著性物体检测与存在性预测  2019 13(4)：778-788

【FCS 人工智能专栏】基于不定核的大间隔聚类算法研究 2019 13(4)：813-827

【FCS优秀青年计算机科学家论坛】李宇峰：安全半监督学习综述 2019 13(4)：669-676

CodeAttention:基于代码结构信息的代码注释自动生成 2019 13(3)：565-578 

基于非负局部约束词汇树的指静脉图像检索  2019 13(2)：318-332

基于标记分布学习的软视频行为解析  2019 13(2)：302-317

基于迁移的人工上采样方法解决小类样本有限的类别不平衡问题  

基于贝叶斯双神经网络的推荐算法

基于分布式表示学习的社区搜索算法 

随机局部搜索求解最大可满足性问题的经验研究 2019 13(1)：86-98

基于情感信息和神经网络模型的立场分析 2019 13(1)：127-138 

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号