计算数学
文章平均质量分 94
OFF JUMPOL
这个作者很懒,什么都没留下…
展开
-
Spectral clustering via ensemble deep autoencoder learning (SC-EDAE)
论文:2020 Pattern Recognition参考链接:Large Scale Spectral Clustering with Landmark-Based Representation (in Julia)Large Scale Spectral Clustering with Landmark-Based Representation[Large Graph Construction for Scalable Semi-Supervised Learning](https://icml原创 2022-05-05 19:00:34 · 206 阅读 · 2 评论 -
Large Scale Spectral Clustering with Landmark-Based Representation
论文:AAAI 2011代码:Julia基于锚点的谱聚类核心: 选取一个较小的anchor集【通常为原始数据点的子集】,计算所有数据点和anchor集之间的相似度,减少相似度矩阵维度 or 使得相似度矩阵稀疏化【导致拉普拉斯矩阵也是稀疏的,从而更高效地计算出谱】。摘要由于谱聚类的时间复杂度过高导致其无法在大数据集上应用,因此出现了很多改进的方法:比如使用采样策略减少数据的尺寸,或者是减少特征分解步骤的时间复杂度。对于采样的方法,虽然它们很有效,但代价是在采样过程损失了数据的结构信息。本文提出了一原创 2022-04-27 18:56:59 · 1672 阅读 · 0 评论 -
Attributed Graph Clustering: A Deep Attentional Embedding Approach,DAEGC
https://blog.csdn.net/qq_41749451/article/details/119349473https://zhuanlan.zhihu.com/p/53432553https://blog.csdn.net/AndyViky/article/details/94159565?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIS原创 2022-04-21 22:41:40 · 544 阅读 · 0 评论 -
SpectralNet: Spectral Clustering Using Deep Neural Networks
原创 2022-04-10 16:37:48 · 1055 阅读 · 0 评论 -
Local density adaptive similarity measurement for spectral clustering
摘要相似度度量对谱聚类的性能至关重要。通常采用高斯核函数作为相似度度量。然而,在核参数固定的情况下,两个数据点之间的相似性仅由它们的欧氏距离决定,并不适应它们周围的环境。本文提出了一种局部密度自适应相似度度量方法,该方法利用两个数据点之间的局部密度来扩展高斯核函数。所提出的相似度度量满足聚类假设,并具有放大聚类内相似度的效果,从而使亲和矩阵(邻接矩阵)清晰地成为块对角线。在合成数据集和真实数据集上的实验结果表明,采用局部密度自适应相似度度量的谱聚类算法优于传统的谱聚类算法、基于路径的谱聚类算法和自调优谱聚原创 2022-03-10 21:12:59 · 1135 阅读 · 0 评论 -
Low-Rank Solution of Lyapunov Equations(二)CF-ADI算法
3.2. Low-Rank Methods. In [14, 16], low-rank approximations to XXX were proposed which have the formX≈XJlr:=UJXJ×JUJT(3.10)X \approx X_{J}^{l r}:=U_{J} X_{J \times J} U_{J}^{T} \tag{3.10}X≈XJlr:=UJXJ×JUJT(3.10)where the columns of UJ∈Rn×rJ,rJ≤JrbU_原创 2022-03-09 21:16:49 · 384 阅读 · 0 评论 -
Low-Rank Solution of Lyapunov Equations(一)ADI算法
使用Cholesky factor–alternating direction implicit (CF–ADI) 算法求解 Lyapunov方程 AX + XA^T = −BB^T。附matlab实现ADI。原创 2022-03-03 10:56:35 · 783 阅读 · 0 评论