博亚体育app下载

欢迎您访问博亚体育app下载官网!
科研动态
当前位置: 首页 > 科学研究 > 科研动态 > 正文
我校教师在人工智能领域顶级期刊Knowledge-Based Systems发表论文
发布者: 发布时间:2021-10-26 浏览次数:


近日,我校数学与统计学院教师林仕勋(第一作者)与广东外语外贸大学信息科学与技术学院钟国博士(通讯作者)等合作的论文《Simultaneously learning feature-wise weights and local structures for multi-view subspace clustering》在期刊Knowledge-Based Systems发表。该文基于无监督的多视角学习理论研究了数据挖掘与模式识别中重要的子空间聚类问题。

在大数据时代,多视角数据是普遍存在的。在多视角聚类中,有效地利用不同视角中的互补或一致信息是一个具有挑战的任务。因为现实世界中的数据总是存在噪声,并且当数据是高维的时候,它们的特征是高度冗余的。此外,大多数现有的多视角聚类方法只针对视角间的一致性,而忽略了每个视角的局部几何结构。然而,考虑每个视角的局部结构是有必要,因为不同视角的异构性使得数据在某些视角上呈现不同的几何结构。

为了解决上述问题,该文提出了一种新的多视角子空间聚类方法,此方法通过同时为不同的特征分配权重,并在特定的视角中进行表示学习,进一步从不同特征空间中获取数据的局部信息。同时,基于增广拉格朗日乘子的交替迭代算法也被提出并用于优化相关目标函数。在不同的多视角数据集上进行的实验表明,该方法优于许多最前沿的多视角聚类方法。

Knowledge-Based SystemsElsevier出版,是国际公认的人工智能领域旗舰期刊,被SCI检索(该期刊位于中科院SCI一区,2020-2021年度影响因子8.038),主要出版人工智能领域的原创、创新和创造性研究成果,并致力于研究基于知识和人工智能技术的系统。

论文链接:Simultaneously learning feature-wise weights and local structures for multi-view subspace clustering - ScienceDirect

论文部分图表:

TableDescription automatically generated

DiagramDescription automatically generated

Graphical user interface, chart, shapeDescription automatically generated

Baidu
sogou