-
题名融合样本选择的深度图半监督分类
- 1
-
-
作者
李顺勇
文楠
赵兴旺
-
机构
山西大学数学与统计学院
山西大学复杂系统与数据科学教育部重点实验室
山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室
-
出处
《陕西科技大学学报》
北大核心
2025年第3期210-216,共7页
-
基金
国家自然科学基金项目(61976128,62072293)
山西省基础研究计划项目(202303021221054)
山西省回国留学人员科研教研项目(2024-002)。
-
文摘
传统的监督学习需要大量的标记样本进行模型训练,这使得传统监督模型很难应用于一些缺乏标记样本的任务中.为了解决这一问题,提出了一种融合样本选择的深度图半监督分类模型(SSC_FSSDM).模型分为两部分:图结构聚类和半监督分类.在图结构聚类中,利用拉普拉斯秩约束将未标记的样本表示为优质的图结构,已标记数据的类别信息作为先验信息对图结构进行聚类以获得未标记样本的伪标签,采用样本选择机制从伪标签中选择出可靠的样本,减少了噪声样本对模型性能的影响.在半监督分类中,可靠样本及其伪标签作为深度学习的输入进行分类,预测出原始数据中未标记样本的标签.将SSC_FSSDM模型应用于3个数据集测试性能,各项指标表明,SSC_FSSDM模型性能优于其他半监督分类模型.
-
关键词
样本选择
图结构
拉普拉斯
聚类
半监督
-
Keywords
sample selection
diagram structure
Laplace
clustering
semi-supervise
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名动态视图融合矩阵驱动的多视图矩阵分解聚类算法
- 2
-
-
作者
李顺勇
曹利娜
刘坤
赵兴旺
-
机构
山西大学数学与统计学院
-
出处
《计算机工程与应用》
2025年第17期171-184,共14页
-
基金
国家自然科学基金(82274360)
山西省基础研究计划资助项目(202303021221054,202403021211086)
山西省回国留学人员科研资助项目(2024-002)。
-
文摘
多视图聚类能整合不同视图互补信息,揭示数据潜在结构。其中,基于矩阵分解的方法同时优化矩阵分解和聚类时复杂度较高,分开处理则导致聚类依赖固定的视图融合矩阵,会限制对复杂数据结构的表达。为此,提出了动态视图融合矩阵驱动的多视图矩阵分解聚类算法。该算法将矩阵分解与证据C均值聚类整合到一个框架中,并引入超参数平衡两部分重要性。先利用非负矩阵分解获取原始数据低维表示,随后通过智能权重分配机制对各视图融合。融合矩阵与聚类动态更新得到最终结果,这种动态更新策略能够避免依靠固定的融合矩阵实现聚类任务而导致的局限性。在5个真实数据集上验证了该算法的性能,结果证实了其优越性。
-
关键词
多视图聚类
矩阵分解
智能权重分配机制
C-均值
-
Keywords
multi-view clustering
matrix factorization
intelligent weight allocation mechanism
C-means
-
分类号
TP391
[自动化与计算机技术]
-
