现有多视角聚类算法存在:1)在学习低维表征的过程中无法准确捕获或忽略嵌入在多视角数据中的高阶信息和互补信息;2)未能准确捕获数据局部信息;3)信息捕获方法缺少对噪声点鲁棒性等问题.为解决上述问题,提出一种自适应张量奇异值收缩的...现有多视角聚类算法存在:1)在学习低维表征的过程中无法准确捕获或忽略嵌入在多视角数据中的高阶信息和互补信息;2)未能准确捕获数据局部信息;3)信息捕获方法缺少对噪声点鲁棒性等问题.为解决上述问题,提出一种自适应张量奇异值收缩的多视角聚类(multi-view clustering based on adaptive tensor singular value shrinkage,ATSVS)算法.ATSVS首先提出一种符合秩特性的张量对数行列式函数对表示张量施加低秩约束,在张量奇异值分解(tensor singular value decomposition,t-SVD)过程中能够根据奇异值自身大小进行自适应收缩,更加准确地进行张量秩估计,进而从全局角度精准捕获多视角数据的高阶信息和互补信息.然后采用一种结合稀疏表示和流形正则技术优势的l_(1,2)范数捕获数据的局部信息,并结合l_(2,1)范数对噪声施加稀疏约束,提升算法对噪声点的鲁棒性.与11个对比算法在9个数据集上的实验结果显示,ATSVS的聚类性能均优于其他对比算法.因此,ATSVS是一个能够有效处理多视角数据聚类任务的优秀算法.展开更多
多视图聚类方法随着数据获取途径日益多样化成为研究热点,但大多数聚类方法低估了噪声和数据多结构互补性信息对聚类结果的影响,并且忽略了聚类结果对低秩张量优化过程的反向引导作用。为解决这些问题,提出了基于结构化张量学习的多视...多视图聚类方法随着数据获取途径日益多样化成为研究热点,但大多数聚类方法低估了噪声和数据多结构互补性信息对聚类结果的影响,并且忽略了聚类结果对低秩张量优化过程的反向引导作用。为解决这些问题,提出了基于结构化张量学习的多视图聚类(multi-view clustering based on structured tensor learning,MCSTL)。首先,对初始表示张量进行再次去噪使其更具准确性和鲁棒性;同时,互补地学习局部结构、全局结构和各视图间的高阶相关性,提高表示张量与原始数据本质簇结构的一致性;然后,从跨视图信息融合的亲和矩阵中学习到统一的特征矩阵,利用其隐含的聚类结构信息反向引导表示张量的优化过程;最后,对特征矩阵施加了正交约束,使其提供数据的软标签信息,并对模型进行直接聚类解释。实验表明,MCSTL在6种聚类评价指标上均表现优异,30个指标数据中有27个达到最优,从而充分验证了MCSTL的有效性和优越性。展开更多
Most real application processes belong to a complex nonlinear system with incomplete information. It is difficult to estimate a model by assuming that the data set is governed by a global model. Moreover, in real proc...Most real application processes belong to a complex nonlinear system with incomplete information. It is difficult to estimate a model by assuming that the data set is governed by a global model. Moreover, in real processes, the available data set is usually obtained with missing values. To overcome the shortcomings of global modeling and missing data values, a new modeling method is proposed. Firstly, an incomplete data set with missing values is partitioned into several clusters by a K-means with soft constraints （KSC） algorithm, which incorporates soft constraints to enable clustering with missing values. Then a local model based on each group is developed by using SVR algorithm, which adopts a missing value insensitive （MVI） kernel to investigate the missing value estimation problem. For each local model, its valid area is gotten as well. Simulation results prove the effectiveness of the current local model and the estimation algorithm.展开更多
随着可再生能源渗透率的不断提升,同时面对分散式源-荷-储协调优化需求,虚拟电厂(Virtual Power Plant,VPP)应运而生.但多主体代理的VPP如何协调运行是亟待解决的问题.为此提出了一种考虑双范数约束和纳什议价的多能虚拟电厂集群分布式...随着可再生能源渗透率的不断提升,同时面对分散式源-荷-储协调优化需求,虚拟电厂(Virtual Power Plant,VPP)应运而生.但多主体代理的VPP如何协调运行是亟待解决的问题.为此提出了一种考虑双范数约束和纳什议价的多能虚拟电厂集群分布式鲁棒优化策略.首先,针对多能VPP规划运行问题,通过双范数约束构建了多能VPP分布式鲁棒优化模型,其次以交互成本最小化为目标,通过纳什谈判理论来构建议价模型;最后对所提出的三个多能VPP进行算例分析,数据结果表明所提出的优化策略能够在确保各个VPP公平竞争前提下,提升其收益以及VPP集群的整体收益.展开更多
文摘现有多视角聚类算法存在:1)在学习低维表征的过程中无法准确捕获或忽略嵌入在多视角数据中的高阶信息和互补信息;2)未能准确捕获数据局部信息;3)信息捕获方法缺少对噪声点鲁棒性等问题.为解决上述问题,提出一种自适应张量奇异值收缩的多视角聚类(multi-view clustering based on adaptive tensor singular value shrinkage,ATSVS)算法.ATSVS首先提出一种符合秩特性的张量对数行列式函数对表示张量施加低秩约束,在张量奇异值分解(tensor singular value decomposition,t-SVD)过程中能够根据奇异值自身大小进行自适应收缩,更加准确地进行张量秩估计,进而从全局角度精准捕获多视角数据的高阶信息和互补信息.然后采用一种结合稀疏表示和流形正则技术优势的l_(1,2)范数捕获数据的局部信息,并结合l_(2,1)范数对噪声施加稀疏约束,提升算法对噪声点的鲁棒性.与11个对比算法在9个数据集上的实验结果显示,ATSVS的聚类性能均优于其他对比算法.因此,ATSVS是一个能够有效处理多视角数据聚类任务的优秀算法.
文摘多视图聚类方法随着数据获取途径日益多样化成为研究热点,但大多数聚类方法低估了噪声和数据多结构互补性信息对聚类结果的影响,并且忽略了聚类结果对低秩张量优化过程的反向引导作用。为解决这些问题,提出了基于结构化张量学习的多视图聚类(multi-view clustering based on structured tensor learning,MCSTL)。首先,对初始表示张量进行再次去噪使其更具准确性和鲁棒性;同时,互补地学习局部结构、全局结构和各视图间的高阶相关性,提高表示张量与原始数据本质簇结构的一致性;然后,从跨视图信息融合的亲和矩阵中学习到统一的特征矩阵,利用其隐含的聚类结构信息反向引导表示张量的优化过程;最后,对特征矩阵施加了正交约束,使其提供数据的软标签信息,并对模型进行直接聚类解释。实验表明,MCSTL在6种聚类评价指标上均表现优异,30个指标数据中有27个达到最优,从而充分验证了MCSTL的有效性和优越性。
基金supported by Key Discipline Construction Program of Beijing Municipal Commission of Education (XK10008043)
文摘Most real application processes belong to a complex nonlinear system with incomplete information. It is difficult to estimate a model by assuming that the data set is governed by a global model. Moreover, in real processes, the available data set is usually obtained with missing values. To overcome the shortcomings of global modeling and missing data values, a new modeling method is proposed. Firstly, an incomplete data set with missing values is partitioned into several clusters by a K-means with soft constraints （KSC） algorithm, which incorporates soft constraints to enable clustering with missing values. Then a local model based on each group is developed by using SVR algorithm, which adopts a missing value insensitive （MVI） kernel to investigate the missing value estimation problem. For each local model, its valid area is gotten as well. Simulation results prove the effectiveness of the current local model and the estimation algorithm.
文摘随着可再生能源渗透率的不断提升,同时面对分散式源-荷-储协调优化需求,虚拟电厂(Virtual Power Plant,VPP)应运而生.但多主体代理的VPP如何协调运行是亟待解决的问题.为此提出了一种考虑双范数约束和纳什议价的多能虚拟电厂集群分布式鲁棒优化策略.首先,针对多能VPP规划运行问题,通过双范数约束构建了多能VPP分布式鲁棒优化模型,其次以交互成本最小化为目标,通过纳什谈判理论来构建议价模型;最后对所提出的三个多能VPP进行算例分析,数据结果表明所提出的优化策略能够在确保各个VPP公平竞争前提下,提升其收益以及VPP集群的整体收益.
