基于对偶超图正则化的概念分解算法及其在数据表示中的应用

• 作者: 叶军 金忠
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 概念分解 超图学习 对偶回归 流形学习 聚类
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 309-314
• 页数: 6页
• 分类号: TP391
• 字数: 5149字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.07.056

摘要

针对概念分解算法没有同时考虑数据空间和特征属性空间中的高阶几何结构信息的问题,提出了一种基于对偶超图正则化的概念分解算法.该算法通过分别在数据空间和特征属性空间中构建无向加权的拉普拉斯超图正则项,分别反映了数据流形和特征流形的多元几何结构信息,弥补了传统图模型只能表达数据间成对关系的缺陷.采用交替迭代的方法求解算法的目标函数并证明了算法的收敛性.在3个真实数据库(TDT2、PIE、COIL20)上的实验表明,该方法在数据的聚类表示的效果方面优于其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶军	南京邮电大学理学院	18	28	3.0	4.0
2	金忠	南京理工大学计算机科学与工程学院	72	1142	17.0	31.0