- 博客(4)
- 收藏
- 关注
RSS订阅原创 无监督大图嵌入
有趣的是，尽管LPP和SR是两种不同的基于谱的降维方法，但可以验证问题(9)的解空间与问题(10)的解空间是精确等价的，即当相似矩阵A为PSD，双随机且秩为p时，LPP等价于SR。进一步，由于A的秩为p，D的对角线上的p个非零元素对应的特征向量构成A的一组正交基。然后，作为一个简单的推论，我们可以得到LE，即问题(1)，也具有相同的性质，因此我们得到LE和SR的引理为。并且，根据引理3，我们知道这两个矩阵的列空间是相同的，即LPP的解空间与SR的解空间(指的是所有解的集合)是相同的，从而完成了证明。
2024-01-03 21:18:52
496
1
原创 求解Stiefel流形上二次问题的一种广义幂迭代法
在看这篇论文前先了解一点基础知识。我们记得希腊英雄忒修斯在漫游中遇到过一个叫普罗克鲁提斯的人物，他的床铺适合所有旅行者。对那些太矮的人，他残忍地把他们伸直，对那些太高的人，他把他们砍成合适的尺寸。如果一个研究者满足于——像许多人一样——通过视觉判断宣布契合度很好，那么这个程序就会让自己成为一项残酷的壮举，使几乎任何数据都符合几乎任何假设!由于这种可能的倾向，我们给这个程序命名为Procrustes，因为这个参考描述了它的功能，无论是好是坏。
2023-12-25 21:27:26
1083
1
原创 The Constrained Laplacian Rank Algorithm for Graph-Based Clustering
基于图的聚类约束拉普拉斯秩算法在本文中，我们提出了一种新的基于图的聚类模型，该模型学习具有恰好k个连接组件的图(其中k是聚类的数量)。在我们的新模型中，我们没有将输入数据图固定到关联矩阵上，而是学习了一个新的数据相似矩阵，它是一个块对角矩阵，有k个连接的组件——k个聚类。因此，我们的新数据相似度矩阵直接用于聚类任务;无需进行任何后处理即可获得聚类结果，提取聚类指标。为了实现这种理想的聚类结构，我们对新数据相似矩阵的拉普拉斯图施加了秩约束(LS=n-k)，从而保证了k个连通分量的存在。
2023-12-20 17:29:04
927
原创 CAN聚类
在本文中，我们提出从一个新的角度来解决聚类问题，通过为每个数据点分配基于局部连通性的自适应和最优邻居来学习数据相似矩阵。更重要的是，我们对学习到的相似矩阵的拉普拉斯矩阵施加秩约束，以实现理想的邻居分配，使得数据中的连通分量与聚类数精确，每个连通分量对应一个聚类。更重要的是，我们对学习到的相似矩阵的拉普拉斯矩阵施加秩约束，以实现理想的邻居分配，使得数据中的连通分量与聚类数精确，每个连通分量对应一个聚类。) = n−c，解S有精确的c个分量(即S是块对角线，并有适当的排列)。)≥0，因为LS是半正定的。
2023-12-17 21:02:48
203
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