凸判别式多任务聚类
机器学习
2013-10-22 v2
摘要
多任务聚类试图通过考虑多个任务之间的关系来同时提升它们的聚类性能。现有的多数多任务聚类算法属于生成式聚类类型，且均未被表述为凸优化问题。在本文中，我们提出了两种凸判别式多任务聚类（DMTC）算法来解决这些问题。具体而言，我们首先提出了一个贝叶斯 DMTC 框架。然后，我们在该框架内提出了两个凸 DMTC 目标函数。第一个目标可以看作是凸多任务特征学习与凸多类最大间隔聚类（M3C）的技术结合，旨在学习一个共享的特征表示。第二个目标可以看作是凸多任务关系学习与 M3C 的结合，旨在学习任务关系。这两个目标通过高效的割平面算法在统一的流程中求解。在一个模拟问题和两个基准数据集上的实验结果证明了所提出算法的有效性。
引用
@article{arxiv.1303.2130,
title = {Convex Discriminative Multitask Clustering},
author = {Xiao-Lei Zhang},
journal= {arXiv preprint arXiv:1303.2130},
year = {2013}
}