基于稀疏连接的层次化多核K-Means算法

基于稀疏连接的层次化多核K-Means算法

TP181; 多核学习(Multiple Kernel Learning,MKL)的目标是寻找一个最优的一致性核函数.在层次化多核聚类算法(HMKC)中,通过从高维空间中对样本特征进行逐层提取的方式来实现最大化地保留有效信息,但是却忽略了层与层之间的信息交互.该模型中只有相邻层中对应的结点会进行信息交互,对于其他结点来说是孤立的,而采用全连接的方式又会削弱最终一致性矩阵的多样性.因此,文中提出了一种基于稀疏连接的层次化多核K-Means算法(Sparse Connectivity Hierarchical Multiple Kernel K-Means,SCHMKKM).该算法通过稀疏率来控制...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:计算机科学 2023, Vol.50 (2), p.138-145
Hauptverfasser: 王雷, 杜亮, 周芃
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 145
container_issue 2
container_start_page 138
container_title 计算机科学
container_volume 50
creator 王雷
杜亮
周芃
description TP181; 多核学习(Multiple Kernel Learning,MKL)的目标是寻找一个最优的一致性核函数.在层次化多核聚类算法(HMKC)中,通过从高维空间中对样本特征进行逐层提取的方式来实现最大化地保留有效信息,但是却忽略了层与层之间的信息交互.该模型中只有相邻层中对应的结点会进行信息交互,对于其他结点来说是孤立的,而采用全连接的方式又会削弱最终一致性矩阵的多样性.因此,文中提出了一种基于稀疏连接的层次化多核K-Means算法(Sparse Connectivity Hierarchical Multiple Kernel K-Means,SCHMKKM).该算法通过稀疏率来控制分配矩阵以达到稀疏连接的效果,从而将层与层之间信息蒸馏得到的特征进行局部融合.最后,在多个数据集上进行聚类分析,并在实验中与全连接的层次化多核K-Means算法(FCHMKKM)进行实验对比,证明了具有更多差异性的信息融合有利于学习更好的一致性划分矩阵,并且稀疏连接的融合策略优于全连接的策略.
doi_str_mv 10.11896/jsjkx.220400230
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_jsjkx202302017</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>jsjkx202302017</wanfj_id><sourcerecordid>jsjkx202302017</sourcerecordid><originalsourceid>FETCH-wanfang_journals_jsjkx2023020173</originalsourceid><addsrcrecordid>eNpjYJAwNNAzNLSwNNPPKs7KrtAzMjIwMTAwMjZgYeA0BDJ0DY3NIzgYeIuLM5OAwmYmQGjIyWD4dP6uJ7v6nq9oeD6t_8X-ec_6lj6f1fJ0Y9OzNQuf9kx7umTWswU7vHV9UxPzip-vm_5s81QeBta0xJziVF4ozc2g5uYa4uyhW56Yl5aYlx6flV9alAeUiQc7xAjkBiMDQ3NjohUCAHlfSjc</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于稀疏连接的层次化多核K-Means算法</title><source>DOAJ Directory of Open Access Journals</source><creator>王雷 ; 杜亮 ; 周芃</creator><creatorcontrib>王雷 ; 杜亮 ; 周芃</creatorcontrib><description>TP181; 多核学习(Multiple Kernel Learning,MKL)的目标是寻找一个最优的一致性核函数.在层次化多核聚类算法(HMKC)中,通过从高维空间中对样本特征进行逐层提取的方式来实现最大化地保留有效信息,但是却忽略了层与层之间的信息交互.该模型中只有相邻层中对应的结点会进行信息交互,对于其他结点来说是孤立的,而采用全连接的方式又会削弱最终一致性矩阵的多样性.因此,文中提出了一种基于稀疏连接的层次化多核K-Means算法(Sparse Connectivity Hierarchical Multiple Kernel K-Means,SCHMKKM).该算法通过稀疏率来控制分配矩阵以达到稀疏连接的效果,从而将层与层之间信息蒸馏得到的特征进行局部融合.最后,在多个数据集上进行聚类分析,并在实验中与全连接的层次化多核K-Means算法(FCHMKKM)进行实验对比,证明了具有更多差异性的信息融合有利于学习更好的一致性划分矩阵,并且稀疏连接的融合策略优于全连接的策略.</description><identifier>ISSN: 1002-137X</identifier><identifier>DOI: 10.11896/jsjkx.220400230</identifier><language>chi</language><publisher>山西大学计算机与信息技术学院 太原030006</publisher><ispartof>计算机科学, 2023, Vol.50 (2), p.138-145</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/jsjkx/jsjkx.jpg</thumbnail><link.rule.ids>314,777,781,861,4010,27904,27905,27906</link.rule.ids></links><search><creatorcontrib>王雷</creatorcontrib><creatorcontrib>杜亮</creatorcontrib><creatorcontrib>周芃</creatorcontrib><title>基于稀疏连接的层次化多核K-Means算法</title><title>计算机科学</title><description>TP181; 多核学习(Multiple Kernel Learning,MKL)的目标是寻找一个最优的一致性核函数.在层次化多核聚类算法(HMKC)中,通过从高维空间中对样本特征进行逐层提取的方式来实现最大化地保留有效信息,但是却忽略了层与层之间的信息交互.该模型中只有相邻层中对应的结点会进行信息交互,对于其他结点来说是孤立的,而采用全连接的方式又会削弱最终一致性矩阵的多样性.因此,文中提出了一种基于稀疏连接的层次化多核K-Means算法(Sparse Connectivity Hierarchical Multiple Kernel K-Means,SCHMKKM).该算法通过稀疏率来控制分配矩阵以达到稀疏连接的效果,从而将层与层之间信息蒸馏得到的特征进行局部融合.最后,在多个数据集上进行聚类分析,并在实验中与全连接的层次化多核K-Means算法(FCHMKKM)进行实验对比,证明了具有更多差异性的信息融合有利于学习更好的一致性划分矩阵,并且稀疏连接的融合策略优于全连接的策略.</description><issn>1002-137X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYJAwNNAzNLSwNNPPKs7KrtAzMjIwMTAwMjZgYeA0BDJ0DY3NIzgYeIuLM5OAwmYmQGjIyWD4dP6uJ7v6nq9oeD6t_8X-ec_6lj6f1fJ0Y9OzNQuf9kx7umTWswU7vHV9UxPzip-vm_5s81QeBta0xJziVF4ozc2g5uYa4uyhW56Yl5aYlx6flV9alAeUiQc7xAjkBiMDQ3NjohUCAHlfSjc</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>王雷</creator><creator>杜亮</creator><creator>周芃</creator><general>山西大学计算机与信息技术学院 太原030006</general><general>山西大学大数据科学与产业研究院 太原030006%安徽大学计算机科学与技术学院 合肥230601</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>基于稀疏连接的层次化多核K-Means算法</title><author>王雷 ; 杜亮 ; 周芃</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_jsjkx2023020173</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>online_resources</toplevel><creatorcontrib>王雷</creatorcontrib><creatorcontrib>杜亮</creatorcontrib><creatorcontrib>周芃</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>计算机科学</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>王雷</au><au>杜亮</au><au>周芃</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于稀疏连接的层次化多核K-Means算法</atitle><jtitle>计算机科学</jtitle><date>2023</date><risdate>2023</risdate><volume>50</volume><issue>2</issue><spage>138</spage><epage>145</epage><pages>138-145</pages><issn>1002-137X</issn><abstract>TP181; 多核学习(Multiple Kernel Learning,MKL)的目标是寻找一个最优的一致性核函数.在层次化多核聚类算法(HMKC)中,通过从高维空间中对样本特征进行逐层提取的方式来实现最大化地保留有效信息,但是却忽略了层与层之间的信息交互.该模型中只有相邻层中对应的结点会进行信息交互,对于其他结点来说是孤立的,而采用全连接的方式又会削弱最终一致性矩阵的多样性.因此,文中提出了一种基于稀疏连接的层次化多核K-Means算法(Sparse Connectivity Hierarchical Multiple Kernel K-Means,SCHMKKM).该算法通过稀疏率来控制分配矩阵以达到稀疏连接的效果,从而将层与层之间信息蒸馏得到的特征进行局部融合.最后,在多个数据集上进行聚类分析,并在实验中与全连接的层次化多核K-Means算法(FCHMKKM)进行实验对比,证明了具有更多差异性的信息融合有利于学习更好的一致性划分矩阵,并且稀疏连接的融合策略优于全连接的策略.</abstract><pub>山西大学计算机与信息技术学院 太原030006</pub><doi>10.11896/jsjkx.220400230</doi></addata></record>
fulltext fulltext
identifier ISSN: 1002-137X
ispartof 计算机科学, 2023, Vol.50 (2), p.138-145
issn 1002-137X
language chi
recordid cdi_wanfang_journals_jsjkx202302017
source DOAJ Directory of Open Access Journals
title 基于稀疏连接的层次化多核K-Means算法
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-18T10%3A24%3A34IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E7%A8%80%E7%96%8F%E8%BF%9E%E6%8E%A5%E7%9A%84%E5%B1%82%E6%AC%A1%E5%8C%96%E5%A4%9A%E6%A0%B8K-Means%E7%AE%97%E6%B3%95&rft.jtitle=%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6&rft.au=%E7%8E%8B%E9%9B%B7&rft.date=2023&rft.volume=50&rft.issue=2&rft.spage=138&rft.epage=145&rft.pages=138-145&rft.issn=1002-137X&rft_id=info:doi/10.11896/jsjkx.220400230&rft_dat=%3Cwanfang_jour%3Ejsjkx202302017%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=jsjkx202302017&rfr_iscdi=true