面向聚类和嵌入的分类 EM-PCA
计算机视觉与模式识别
2025-11-25 v1
摘要
混合模型无疑是聚类领域最伟大的贡献之一。对于连续数据，常使用高斯模型，期望最大化(EM)算法特别适用于估计算子以推断聚类结果。尽管这些模型在诸多领域中广泛应用(包括图像聚类)，但它们仍然受限于维度问题以及EM算法收敛速度慢的局限性。然而，分类EM(CEM)算法——一种分类版本——提供了快速收敛的解决方案，而维度降低仍然是一个挑战。因此，本文提出一种同时且非顺序地组合两个任务--数据嵌入和聚类--的算法，依据主成分分析(PCA)和CEM。我们在聚类和数据嵌入方面展示了该方法的价值。我们还与其他聚类方法建立了不同联系。
引用
@article{arxiv.2511.18991,
title = {View-Consistent Diffusion Representations for 3D-Consistent Video Generation},
author = {Duolikun Danier and Ge Gao and Steven McDonagh and Changjian Li and Hakan Bilen and Oisin Mac Aodha},
journal= {arXiv preprint arXiv:2511.18991},
year = {2025}
}