高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于超图正则化受限的概念分解算法

李雪 赵春霞 舒振球 郭剑辉

李雪, 赵春霞, 舒振球, 郭剑辉. 基于超图正则化受限的概念分解算法[J]. 电子与信息学报, 2015, 37(3): 509-515. doi: 10.11999/JEIT140799
引用本文: 李雪, 赵春霞, 舒振球, 郭剑辉. 基于超图正则化受限的概念分解算法[J]. 电子与信息学报, 2015, 37(3): 509-515. doi: 10.11999/JEIT140799
Li Xue, Zhao Chun-Xia, Shu Zhen-Qiu, Guo Jian-Hui. Hyper-graph Regularized Constrained Concept Factorization Algorithm[J]. Journal of Electronics and Information Technology, 2015, 37(3): 509-515. doi: 10.11999/JEIT140799
Citation: Li Xue, Zhao Chun-Xia, Shu Zhen-Qiu, Guo Jian-Hui. Hyper-graph Regularized Constrained Concept Factorization Algorithm[J]. Journal of Electronics and Information Technology, 2015, 37(3): 509-515. doi: 10.11999/JEIT140799

基于超图正则化受限的概念分解算法

doi: 10.11999/JEIT140799
基金项目: 

国家自然科学基金(61272220, 61101197, 90820306),中国博士后科学基金(2014M551599),江苏省社会安全图像与视频理解重点实验室基金(30920130122006)和江苏省普通高校研究生科研创新计划项目(KYLX_0383)资助课题

Hyper-graph Regularized Constrained Concept Factorization Algorithm

  • 摘要: 针对概念分解(Concept Factorization, CF)算法没有同时考虑样本中存在的类别信息及数据间多元几何结构信息的问题,该文提出一种基于超图正则化受限的概念分解(Hyper-graph regularized Constrained Concept Factorization, HCCF)算法。HCCF算法通过构建一个无向加权的拉普拉斯超图正则项,提取数据间的多元几何结构信息,克服了传统图模型只能表达数据间成对关系的缺陷;同时采用硬约束的方式使样本的类别信息在低维空间中保持一致,充分利用了标记样本的类别信息。该文采用乘性迭代的方法求解HCCF算法的目标函数并证明了其收敛性。在TDT2库、Reuters库和PIE库上的实验结果表明,HCCF算法提高了聚类的准确率和归一化互信息,验证了算法的有效性。
  • 加载中
计量
  • 文章访问数:  1521
  • HTML全文浏览量:  111
  • PDF下载量:  1071
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-06-17
  • 修回日期:  2014-10-15
  • 刊出日期:  2015-03-19

目录

    /

    返回文章
    返回

    官方微信,欢迎关注