SCE：一种用于数据划分的流形正则化集合覆盖方法
计算机视觉与模式识别
2019-04-19 v1 多媒体
摘要
聚类分析在数据分析中起着非常重要的作用。近年来，作为聚类分析工具的聚类集成因其鲁棒性、稳定性和准确性而备受关注。已有许多工作致力于将不同的初始聚类结果组合成一个性能更优的单一聚类解。然而，它们在执行聚类集成时忽略了原始数据的结构信息。在本文中，我们提出一种结构聚类集成（Structural Cluster Ensemble, SCE）算法，将数据划分表述为一个集合覆盖问题。具体而言，我们构造了一个拉普拉斯正则化目标函数以捕捉聚类间的结构信息。此外，考虑到初始聚类结果中潜在判别信息的重要性，我们在所提目标函数中加入了一个判别约束。最后，我们在合成和真实数据集上验证了 SCE 算法的性能。实验结果表明了我们提出的 SCE 方法的有效性。
引用
@article{arxiv.1904.08412,
title = {SCE: A manifold regularized set-covering method for data partitioning},
author = {Xuelong Li and Quanmao Lu and Yongsheng Dong and Dacheng Tao},
journal= {arXiv preprint arXiv:1904.08412},
year = {2019}
}
备注
14 pages, 10 figures