结合谱聚类的标记分布学习

• 作者: 李田力 王一宾 程玉胜
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 谱聚类 标记分布学习 相似度矩阵 拉普拉斯变换 K-均值 参数模型 标记分布 机器学习
• 年，卷（期）: 2019,（5）
• 页码范围: 966-973
• 页数: 8页
• 分类号: TP181
• 字数: 5148字
• 语种: 中文
• DOI: 10.11992/tis.201809019

摘要

标记分布是一种新的学习范式,现有算法大多数直接使用条件概率建立参数模型,未充分考虑样本之间的相关性,导致计算复杂度增大.基于此,引入谱聚类算法,通过样本之间相似性关系将聚类问题转化为图的全局最优划分问题,进而提出一种结合谱聚类的标记分布学习算法(label distribution learning with spectral clus-tering,SC-LDL).首先,计算样本相似度矩阵;然后,对矩阵进行拉普拉斯变换,构造特征向量空间;最后,通过K-means算法对数据进行聚类建立参数模型,预测未知样本的标记分布.与现有算法在多个数据集上的实验表明,本算法优于多个对比算法,统计假设检验进一步说明算法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程玉胜	安庆师范大学计算机与信息学院	81	339	9.0	14.0
3	王一宾	安庆师范大学计算机与信息学院	63	407	10.0	18.0
9	李田力	安庆师范大学计算机与信息学院	2	1	1.0	1.0