- 博客(7)
- 收藏
- 关注
原创 CPM-Nets: Cross Partial Multi-View Networks
尽管多视图学习在过去的几十年里发展迅速,但由于难以建模不同视图之间的复杂相关性,特别是在视图的背景下,它仍然具有挑战。本文提出了跨部分多视图网络CPM-Nets,在此框架下,我们首先给出了多视图表示的完备性和通用性的正式定义,并从理论上证明了从该算法中学习到的潜在表示的通用性。传统的多视图学习通常假设每个样本都与统一的观察视图相关联,并且每个样本的所有视图都是可用的。然而,在实际应用中,多视图数据通常存在不完整的情况。本文所提出的方法有望赋予以下优点:1.完整和结构化的表示——将来自不同观点的信息全面编
2022-06-17 16:41:07 488
原创 Diagnosis of Coronavirus Disease 2019 With Structured Latent Multi-View Representation Learning
Diagnosis of Coronavirus Disease 2019 With Structured Latent Multi-View Representation Learning
2022-06-14 16:41:06 64
原创 Deep Graph Clustering via Dual Correlation Reduction
Deep Graph Clustering via Dual Correlation Reduction一、摘要二、简介三.网络符号和问题定义图失真模块1.特征破坏2.边缘扰动3.双重信息相关性减少3.1样本级别相关性减少3.2特征级相关性降低3.3传播的正则化目标函数四.算法一、摘要深度图聚类旨在揭示底层图的结构,并将节点划分为不同的组,近年来引起了人们的广泛关注。但是在编码过程中存在表示崩溃,也就是将所有的数据压缩到同一个表示中。因此,节点表示的识别能力有限,导致聚类性能不满意。然后,通过强制交叉视
2022-05-26 14:48:01 424
原创 Large-Scale Multi-View Subspace Clustering in Linear Time
Large-Scale Multi-View Subspace Clustering in Linear Time摘要简介前期工作1.子空间聚类2.锚定图方法实验摘要因为传统的多视图子空间聚类(MVSC)通常具有两次或者三次的复杂度,用不到大规模的数据上,为了解决这个问题提出了线性阶复杂度的LMVSC。受锚定图思想的启发,我们首先为每个视图学习一个更小的图。然后,设计了一种新的方法来整合这些图,使我们可以在一个更小的图上实现光谱聚类。简介为了解决传统MVSC时间复杂度够高的这样一个情况主要可以在两
2022-05-23 15:51:32 646 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人