![](https://img-blog.csdnimg.cn/direct/d5847a6e118b4b76b2cebe28bb73187f.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
聚类
聚类相关
令狐Cong
个人github链接(https://github.com/Frankie32244)
展开
-
A Survey on Multiview Clustering | 论文阅读
本篇文章是多视图聚类的一篇综述文章,发布于 IEEE TRANSACTIONS ON ARTIFICIAL INTELLIGENCE (TAI)期刊本文档的大纲如下:I. 引言A. 多视图聚类的定义B. 多视图聚类的重要性C. 当前研究进展与问题D. 本文结构IV. 与相关主题的关系A. 与多视图表示学习的关系B. 与集成聚类的关系C. 与多任务聚类的区别D. 与多视图监督和半监督学习的关系V. 应用A. 计算机视觉B. 自然语言处理C. 社交多媒体。原创 2024-06-01 20:41:33 · 225 阅读 · 0 评论 -
K-means聚类与K-means聚类可视化
【代码】【无标题】原创 2024-05-16 10:48:22 · 139 阅读 · 0 评论 -
同构多视图数据集、异构多视图数据集的区别(聚类)
例子:假设有一个患者的数据集,一个视图包含患者的电子健康记录(EHR),另一个视图包含患者的基因表达数据,第三个视图包含患者的影像数据(如MRI扫描)。总结,同构多视图数据局各个视图的数据类型和维度是一致的,例如不同类型的图片。但是异构多视图数据集各个视图具有不同的性质和特征,例如文本数据、数值数据、图像数据三种视图。也就是说,每个视图的数据类型和维度可能是不同的,通常来自不同的数据来源或不同的数据模式。这些特征视图都是从同一个数据源(图像)提取的,并且它们的数据类型和维度是相同或相似的。原创 2024-05-30 19:49:26 · 139 阅读 · 0 评论 -
单视图聚类、多视图聚类、不完全多视图聚类的区别
2、根据数学成绩(Math)、英语成绩(English)、语文(Chinese)成绩分组:A(3门成绩都>90)、B(1到2门成绩>90)、C(没有一门成绩>90,但都大于60) D (三门成绩都小于60),这种聚类方法,3种成绩就是3种视图、叫多视图聚类。3、根据数学成绩(Math)、英语成绩(English)、语文(Chinese)成绩分组,但是有的同学成绩的数据有所缺失:可以根据其平时的作业表现或者上一次考试情况来补充这一次的成绩,这就叫视图补全。原创 2024-05-30 18:59:53 · 138 阅读 · 0 评论 -
深度聚类(Deep Clustering)及其主要分类
深度聚类(Deep Clustering): 是指将深度学习技术与传统聚类方法相结合,通过深度神经网络学习数据的高层次表示(特征),然后在这些表示上进行聚类分析。其目标是利用深度学习强大的特征提取和表示能力,改进传统聚类方法在高维、复杂和多模态数据上的表现。原创 2024-05-23 10:13:16 · 457 阅读 · 2 评论 -
不完全多视图聚类
不完全多视图聚类是数据样本缺失的情况下,然后再对数据进行一个聚类。原创 2024-05-16 16:07:51 · 107 阅读 · 0 评论