论文信息

  • Deep Incomplete Multi-View Clustering via Mining Cluster Complementarity

整体工作流程

  1. 预训练阶段:首先使用自编码器对多视图数据进行无监督预训练,学习有效的特征表示

  2. 初始化:用K-means对编码后的特征进行初始聚类,得到初始聚类中心

  3. 联合优化:

    • 自编码器优化特征表示
    • 聚类层优化聚类中心
    • 通过权重机制整合多视图信息
  4. 多视图融合:代码中通过计算方差和加权组合,融合多个视图的特征信息

要点笔记

聚类层的处理

  • 聚类层基于t分布的形似度得到概率分布
  • 这是层的核心计算部分,实现了:
    1. 计算每个样本与各聚类中心的欧氏距离平方
    2. 将距离转换为基于t分布的相似度
    3. 对相似度进行归一化,得到概率分布
      具体计算公式:
1
2
3
4
q_ij = 1/(1 + (dist(x_i, u_j)²/alpha))
q_ij = q_ij^((alpha+1)/2)
# 归一化
q_ij = q_ij / sum(q_ij)

相似度度量

  • 基本概念:相似度度量通常满足以下特性:
    • 值越大表示两个对象越相似
    • 自反性:对象与自身的相似度最大
    • 对称性:A与B的相似度等于B与A的相似度
    • 相似度的反面是距离度量,距离越小表示越相似

0. 目录

Read more »

1. 一句话总结

  • 优化指标是“模型训练时要最小化/最大化的函数”;
  • 评估指标是“训练完后用来衡量模型好坏的标准”。
Read more »

期刊信息

  • 来源:Expert Systems With Applications 237 (2024) 121614

  • 作者:Chaoyu Gong∗, Yang You

  • 地址:School of Computing, National University of Singapore, 21 Lower Kent Ridge Rd, 119077, Singapore

Read more »

这是一篇论文学习笔记,简单记录一下学习论文过程中学习到的知识和思路

论文信息

  • 题目: Sparse Reconstructive Evidential Clustering for Multi-View Data

  • 来源: IEEE/CAA JOURNAL OF AUTOMATICA SINICA, VOL. 11, NO. 2, FEBRUARY 2024

  • 作者: Chaoyu Gong and Yang You

笔记

Read more »

基本的概念

0. 定义

  • 证据理论也被称为 Dempster-Shafer 理论,是一种不精确推理理论,主要用于处理不确定信息。它允许人们在证据不完全、不精确或相互矛盾的情况下进行推理和决策。

  • Dempster-Shafer 理论(DST),也称为证据理论,是一种用于处理不确定性信息的数学框架。它通过将概率分布分配到假设集合的子集上,而不仅仅是单个假设,从而更好地表达不确定性和模糊性。下面介绍 DST 的几个基本概念及相关内容。

Read more »

使用我的掌机快一个月了吧,谈谈到现在的rog ally掌机的使用感受

ROG Ally掌机

续航

因为我是充电线长插,一般就是放桌子上没事就连上接口冲电,没感觉多大的续航危机,这也跟我的使用场景有关。

手感

这掌机重量对我来说是不小的,一般我都是靠着东西使用,感觉完全悬空的玩的话不是很可行,估计没一会手就会非常酸。整体的握持感觉也就这样,肯定没手柄舒服,但该有的都有,布局也算合理,震动也还不错,使用的时候没有的握持手感上的不适。

Read more »

1. 创建博客的初衷

  • 我为什么要创建博客?其实很早就有创建博客的想法了,但碍于其他的琐事和自身的拖延,总没有将想法落实下来,最近大三下学期刚刚开始,我想是时候开始这项工作了。

2. 博客的内容

  • 博客的内容多半以学习,生活,和个人兴趣为主,当然后续可能有其他的分支,但总体还是用来记录和分享。

目录

Read more »
0%