論文の概要: A low-rank non-convex norm method for multiview graph clustering

• arxiv url: http://arxiv.org/abs/2312.11157v1
• Date: Mon, 18 Dec 2023 12:54:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 20:06:26.848347
• Title: A low-rank non-convex norm method for multiview graph clustering
• Title（参考訳）: マルチビューグラフクラスタリングのための低ランク非凸ノルム法
• Authors: Alaeddine Zahir, Khalide Jbilou, Ahmed Ratnani
• Abstract要約: 本研究では,低ランク非凸ノルムを用いたマルチビュークラスタリング手法"Consensus Graph-based Multi-View Clustering Method" を提案する。 提案手法は,既存のアルゴリズムを用いて効率よく最適化できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study introduces a novel technique for multi-view clustering known as the "Consensus Graph-Based Multi-View Clustering Method Using Low-Rank Non-Convex Norm" (CGMVC-NC). Multi-view clustering is a challenging task in machine learning as it requires the integration of information from multiple data sources or views to cluster data points accurately. The suggested approach makes use of the structural characteristics of multi-view data tensors, introducing a non-convex tensor norm to identify correlations between these views. In contrast to conventional methods, this approach demonstrates superior clustering accuracy across several benchmark datasets. Despite the non-convex nature of the tensor norm used, the proposed method remains amenable to efficient optimization using existing algorithms. The approach provides a valuable tool for multi-view data analysis and has the potential to enhance our understanding of complex systems in various fields. Further research can explore the application of this method to other types of data and extend it to other machine-learning tasks.
• Abstract（参考訳）: 本研究では,「低ランク非凸ノルムを用いたコンセンサスグラフベースマルチビュークラスタリング手法」(cgmvc-nc)として知られるマルチビュークラスタリングのための新しい手法を提案する。 マルチビュークラスタリングは、複数のデータソースやビューからクラスタデータポイントへの情報を正確に統合する必要があるため、機械学習において難しいタスクである。 提案手法では,マルチビューデータテンソルの構造的特徴を利用し,非凸テンソルノルムを導入して相関関係を同定する。 従来の手法とは対照的に,本手法は複数のベンチマークデータセットのクラスタリング精度が優れていることを示す。 テンソルノルムの非凸性にもかかわらず、提案手法は既存のアルゴリズムを用いて効率よく最適化できる。 このアプローチは、マルチビューデータ分析に有用なツールを提供し、様々な分野における複雑なシステムの理解を深める可能性を秘めています。 さらなる研究により、この手法を他の種類のデータに適用し、他の機械学習タスクに拡張することができる。

関連論文リスト

• Interpretable Multi-View Clustering Based on Anchor Graph Tensor Factorization [64.00146569922028]
  アンカーグラフの分解に基づくマルチビュークラスタリング法では,分解行列に対する適切なクラスタ解釈性が欠如している。 複数のビューからアンカーグラフを合成するアンカーグラフテンソルを分解するために、非負のテンソル因子分解を用いることにより、この制限に対処する。
  論文  参考訳（メタデータ） (2024-04-01T03:23:55Z)
• 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)
• Deep Multiview Clustering by Contrasting Cluster Assignments [14.767319805995543]
  マルチビュークラスタリングは、データサンプルをクラスタに分類することで、マルチビューデータの基盤構造を明らかにすることを目的としている。 本稿では,複数のビュー間でクラスタ割り当てを対比することで,ビュー不変表現を学習し,クラスタリング結果を生成するクロスビューコントラスト学習(C)手法を提案する。
  論文  参考訳（メタデータ） (2023-04-21T06:35:54Z)
• Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
  半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。 本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。 さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
  論文  参考訳（メタデータ） (2023-03-29T14:54:19Z)
• High-dimensional multi-view clustering methods [0.0]
  特にグラフベースのクラスタリングとサブスペースベースのクラスタリングという,2つのカテゴリにおいて,アプローチの検証と比較を行う。 ベンチマークデータセット上で、主要なクラスタリング手法の実験を実施、報告します。
  論文  参考訳（メタデータ） (2023-03-14T11:04:37Z)
• Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
  我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。 また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
  論文  参考訳（メタデータ） (2022-11-03T08:18:27Z)
• Rethinking Clustering-Based Pseudo-Labeling for Unsupervised Meta-Learning [146.11600461034746]
  教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。 このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。 このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
  論文  参考訳（メタデータ） (2022-09-27T19:04:36Z)
• Unsupervised Multi-view Clustering by Squeezing Hybrid Knowledge from Cross View and Each View [68.88732535086338]
  本稿では,適応グラフ正規化に基づくマルチビュークラスタリング手法を提案する。 5つの多視点ベンチマークの実験結果から,提案手法が他の最先端手法をクリアマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-08-23T08:25:06Z)
• Consistent and Complementary Graph Regularized Multi-view Subspace Clustering [31.187031653119025]
  本研究では,複数のビューが一貫した情報を含み,それぞれのビューが相補的な情報を含むマルチビュークラスタリングの問題について検討する。 本稿では、一貫したグラフ正規化マルチビューサブスペースクラスタリング(GRMSC)を含む手法を提案する。 目的関数は多視点クラスタリングを実現するために拡張ラグランジアン乗算法により最適化される。
  論文  参考訳（メタデータ） (2020-04-07T03:48:08Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。