Fugu-MT 論文翻訳(概要): Multi-way Spectral Clustering of Augmented Multi-view Data through Deep Collective Matrix Tri-factorization

論文の概要: Multi-way Spectral Clustering of Augmented Multi-view Data through Deep Collective Matrix Tri-factorization

arxiv url: http://arxiv.org/abs/2009.05805v2
Date: Mon, 24 Jan 2022 11:04:30 GMT
ステータス: 処理完了
システム内更新日: 2022-10-19 07:49:51.105925
Title: Multi-way Spectral Clustering of Augmented Multi-view Data through Deep Collective Matrix Tri-factorization
Title（参考訳）: 深層集合行列三要素化による拡張多視点データのマルチウェイスペクトルクラスタリング
Authors: Ragunathan Mariappan, Siva Rajesh Kasa, Vaibhav Rajan
Abstract要約: 我々は,集合行列三要素化のための最初のディープラーニングに基づくアーキテクチャを提案する。 DCMTFのソースコードは、我々のパブリックリポジトリで入手できる。
参考スコア（独自算出の注目度）: 5.124256074746721
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: We present the first deep learning based architecture for collective matrix tri-factorization (DCMTF) of arbitrary collections of matrices, also known as augmented multi-view data. DCMTF can be used for multi-way spectral clustering of heterogeneous collections of relational data matrices to discover latent clusters in each input matrix, across both dimensions, as well as the strengths of association across clusters. The source code for DCMTF is available on our public repository: https://bitbucket.org/cdal/dcmtf_generic
Abstract（参考訳）: 本稿では、任意の行列の集合の集合行列三要素化(DCMTF)のための最初のディープラーニングに基づくアーキテクチャについて述べる。 DCMTFは、関係データ行列の不均一な集合のマルチウェイスペクトルクラスタリングに使用することができ、各入力行列内の潜時クラスタを、両次元にわたって検出することができる。 dcmtfのソースコードは、公開リポジトリで利用可能です。 https://bitbucket.org/cdal/dcmtf_generic

関連論文リスト

Dual-disentangled Deep Multiple Clustering [4.040415173465543]
本稿では,Dual-Disentangled Deep Multiple Clustering法であるDDMCを提案する。実験の結果,DDMCは7つのタスクにまたがって常に最先端の手法より優れていることがわかった。
論文参考訳（メタデータ） (2024-02-07T23:05:30Z)
Multilayer Graph Approach to Deep Subspace Clustering [0.0]
自己表現型モデル学習表現行列に基づくディープサブスペースクラスタリング(DSC)ネットワークは、完全に接続されたネットワークで実装されることが多い。本稿では,入力データを含むエンコーダネットワークの全層から学習した表現から,選択した線形部分空間クラスタリングアルゴリズムを用いて表現を学習する。ベースラインモデルとして2つのDSCネットワークを持つ4つのよく知られたデータセットに対して,提案手法を検証した。
論文参考訳（メタデータ） (2024-01-30T14:09:41Z)
Enhanced Latent Multi-view Subspace Clustering [25.343388834470247]
潜在空間表現を復元するための拡張潜在多視点サブスペースクラスタリング(ELMSC)手法を提案する。提案するELMSCは,最先端のマルチビュークラスタリング手法よりも高いクラスタリング性能を実現することができる。
論文参考訳（メタデータ） (2023-12-22T15:28:55Z)
Single-cell Multi-view Clustering via Community Detection with Unknown Number of Clusters [64.31109141089598]
シングルセルデータに適した,革新的なマルチビュークラスタリング手法である scUNC を導入する。 scUNCは、事前に定義された数のクラスタを必要とせずに、異なるビューからの情報をシームレスに統合する。 3つの異なる単一セルデータセットを用いて,SCUNCの総合評価を行った。
論文参考訳（メタデータ） (2023-11-28T08:34:58Z)
One-step Multi-view Clustering with Diverse Representation [47.41455937479201]
本稿では,多視点学習と$k$-meansを統合フレームワークに組み込んだ一段階のマルチビュークラスタリングを提案する。そこで本研究では,効率の良い最適化アルゴリズムを開発し,その解法について述べる。
論文参考訳（メタデータ） (2023-06-08T02:52:24Z)
Fast Multi-view Clustering via Ensembles: Towards Scalability, Superiority, and Simplicity [63.85428043085567]
本稿では,アンサンブル(FastMICE)アプローチによる高速なマルチビュークラスタリングを提案する。ランダムなビュー群の概念は、多目的なビューワイズ関係を捉えるために提示される。 FastMICEは、ほぼ線形時間と空間の複雑さを持ち、データセット固有のチューニングは不要である。
論文参考訳（メタデータ） (2022-03-22T09:51:24Z)
Multi-way Clustering and Discordance Analysis through Deep Collective Matrix Tri-Factorization [9.283501363468728]
我々は、ニューラルネットワークによる教師なし学習の最先端を推し進め、異種多型マルチモーダル関係データを解析する。我々は,任意の行列集合の集合行列三要素化のための最初のニューラル手法を設計し,全ての構成要素のスペクトルクラスタリングを行い,クラスタアソシエーションを学習する。本稿では,知識ベースの品質評価と表現学習の改善におけるその有用性について述べる。
論文参考訳（メタデータ） (2021-09-27T16:24:23Z)
Multi-View Spectral Clustering with High-Order Optimal Neighborhood Laplacian Matrix [57.11971786407279]
マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
論文参考訳（メタデータ） (2020-08-31T12:28:40Z)
Federated Multi-view Matrix Factorization for Personalized Recommendations [53.74747022749739]
本稿では,フェデレートされた学習フレームワークを,複数のデータソースを用いた行列分解に拡張する,フェデレートされたマルチビュー行列分解手法を提案する。本手法では,ユーザの個人情報を中央サーバに転送することなく,マルチビューモデルを学習することができる。
論文参考訳（メタデータ） (2020-04-08T21:07:50Z)
Multi-view Deep Subspace Clustering Networks [64.29227045376359]
マルチビューサブスペースクラスタリングは、相補的な情報の複数のビューを融合することによって、データ固有の構造を発見することを目的としている。本稿では,MvDSCN(Multi-view Deep Subspace Clustering Networks)を提案する。 MvDSCNはクラスタリング性能を高めるために複数のバックボーンを統合する。
論文参考訳（メタデータ） (2019-08-06T06:44:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。