Scifaro

中文

多类全变差聚类

机器学习 2013-06-06 v1 机器学习最优化与控制

作者: Xavier Bresson , Thomas Laurent , David Uminsky , James H. von Brecht

在 arXiv 上查看 ↗ PDF ↗

摘要

图像处理领域的思想最近激发了一组新的依赖于全变差概念的聚类算法。虽然这些算法在二划分任务中表现良好，但其递归扩展在多类聚类任务中产生的结果并不令人印象深刻。本文提出了一个不依赖递归的多类全变差聚类通用框架。其结果大大优于之前的全变差算法，并与最先进的非负矩阵分解 (NMF) 方法相当。

关键词

全变差聚类多类聚类图像处理非递归框架二划分非负矩阵分解最先进水平

引用

@article{arxiv.1306.1185,
  title  = {Multiclass Total Variation Clustering},
  author = {Xavier Bresson and Thomas Laurent and David Uminsky and James H. von Brecht},
  journal= {arXiv preprint arXiv:1306.1185},
  year   = {2013}
}