【摘 要】
：
在信息化时代,数据信息呈现出爆炸式增长的趋势,进而产生了具有多种特征描述的多视图数据。面对海量数据,如何有效的将数据按照相似性进行分类以减少数据的杂乱程度,以便更好的帮助学者分析和利用数据的潜在价值显得尤为重要。多视图聚类方法能够从不同的角度描述数据的特征,有效揭示数据的内部结构,通常具有比单视图聚类方法更优的聚类性能,因此其在多视图数据分析中的应用越来越广泛。目前,子空间聚类在处理多视图数据聚类
论文部分内容阅读
在信息化时代,数据信息呈现出爆炸式增长的趋势,进而产生了具有多种特征描述的多视图数据。面对海量数据,如何有效的将数据按照相似性进行分类以减少数据的杂乱程度,以便更好的帮助学者分析和利用数据的潜在价值显得尤为重要。多视图聚类方法能够从不同的角度描述数据的特征,有效揭示数据的内部结构,通常具有比单视图聚类方法更优的聚类性能,因此其在多视图数据分析中的应用越来越广泛。目前,子空间聚类在处理多视图数据聚类任务中展现出了良好的性能。利用子空间技术处理多视图数据存在两个关键问题:（1）许多现有的算法认为所有视图具有相同的表示矩阵,没有充分利用多视图数据的底层信息,因为不同视图的表示矩阵应该具有相同的聚类属性,而不是在多个视图之间是一致的;（2）许多现有的算法利用所有视图固定的相似矩阵进行聚类,并且没有充分考虑不同视图之间的差异性。针对上述问题,本文从以下两个方面进行了研究:（1）基于正交约束的低秩多视图子空间聚类算法（LRMVOC）。LRMVOC首先利用投影矩阵学习一个低维特征子空间,以减少噪声和冗余信息对子空间表示学习的影响。随后算法将在低维特征子空间中得到的表示矩阵分解为特定视图的基矩阵和共享编码矩阵,同时对每个视图的基矩阵施加正交约束,利用核范数保证共享编码矩阵的低秩性。该算法使用改进的矩阵分解方法进行多视图互补信息和一致性信息的学习,有利于提高算法的聚类效果。在五个图像数据集上的实验验证了LRMVOC算法提出的合理性。（2）基于一致图学习的鲁棒多视图子空间聚类算法（RMCGL）。RMCGL首先为各个视图学习一个潜在的表示矩阵,随后在其基础上学习相应视图的相似性矩阵。最后,学习一个统一的一致图矩阵。RMCGL采用自加权的方式为各个视图分配合理的权重。该算法的优势在于其充分考虑了不同视图之间的互补信息,并在潜在子空间中利用统一的优化框架进行一致图学习和算法优化。通过在一致图上施加秩约束,使一致图具有最优的聚类结构,并直接在一致图上得到聚类结果。本文设计了多个实验,有效验证了RMCGL算法的聚类效果以及泛化能力。
其他文献
在过去的几十年,非线性系统的控制设计已经成为一个热点研究课题。针对这一课题,人们提出了各种各样的设计方法,如自适应反步控制、滑模控制以及鲁棒控制等。在这些方法中,自适应反步法是一种针对具有参数不确定性纯反馈非线性系统的有效控制器设计方法。同时随着科学技术的不断发展,工程系统的复杂程度也在不断的增加,在实际生产过程中往往需要考虑环境因素或者性能要求等。因此,对于复杂条件下的纯反馈非线性系统,仍然存在
随着云计算、大数据等技术的发展,分布式计算场景下的多源数据充分发挥着它的社会和经济价值。在最大程度地发掘多源数据价值的同时,也不可避免地要考虑其隐私泄露问题。在保护数据隐私性方面,安全多方计算（Secure Multi-Party Computation,SMPC）扮演着不可替代的角色,其本质上是从协议层面考虑隐私保护问题。安全两方计算是安全多方计算的一种特殊情况,其目的是在保证双方的隐私数据不被
受益于光子独特的优势，光计算技术在构建高速、高算力和高能效比的专用计算加速器方面被寄予厚望，目前已经涌现出了许多极具吸引力的方案。特别是对于涉及运算量巨大的二维矩阵-矩阵乘加操作的专用场景，光计算有望在算力和能效比等方面实现超越当前最先进电子计算机几个数量级的性能提升。不同于电子计算通过构建逻辑门实现通用数字计算，主要受深度学习驱动而复兴的光计算更倾向于模拟计算。本文从模拟和数字光计算的角度出发对
癫痫是一种常见的神经性疾病,其发病原因是大脑神经细胞异常放电所导致的神经系统短暂性紊乱,其危害巨大,潜藏着致命的伤害。在传统的癫痫病诊断中,医生凭借其专业技能,通过对脑电图（Electroencephalogram,EEG）的分析来进行癫痫诊断,但人工检测的方法存在费时费力的弊端,因此,新兴的自动癫痫检测技术成为了研究热点。论文利用基于深度学习的癫痫检测算法来实现EEG的自动分析。研究表明,各个脑
切换系统作为一类具有多模态特性的系统模型,能够为许多实际工业过程进行系统建模,同时切换系统的研究也为其他复杂系统提供了研究思路,因此切换系统具有重要的理论研究价值和实际工程应用价值。具体来说,切换系统是由多个子系统以及切换规则组成的,切换规则的存在增加了系统稳定性分析的难度,因此如何为切换系统设计有效的控制策略是一个具有挑战性的课题。另一方面,未知非线性和不确定性广泛存在于实际工业系统中,这些因素
基于全光信息处理的光学人工智能系统在目标识别等领域均具有巨大发展潜力。与传统的基于计算机平台的深度神经网络相比,光学人工智能系统将对光学目标进行相应的识别处理,相对于数据集图片的强度信息,光学目标样本还具有波长、相位、偏振等实际物理信息。因此为生成更加一般化的真实光场目标,进一步优化光学人工智能系统面向真实物理场景性能,本文进行如下工作:（1）分析并研究了光场重建的几种不同方案,并对其器件发展及研
生物识别技术作为一种新型的身份认证技术,广泛地应用于访问控制和权限管理的领域。目前生物识别的研究更多关注于识别的准确性和高效性,往往忽视了生物特征信息的隐私保护。由于生物特征模板具有唯一性、不可撤销性且与身份隐私信息密切相关,在生物认证过程中容易引起攻击者的窃取、伪造甚至假冒用户身份访问系统的在线资源,导致严重的隐私泄露风险。基于现有的椭圆曲线加密算法（Elliptic Curve Cryptog
随着城镇基础设施的完善,公共场所也逐渐增多。因此,公共场所内的群体安全问题也逐渐受到人们的重视。当意外情况发生时,处于危险中的人群在缺乏正确引导的情况下可能会产生严重的恐慌情绪,在盲目的逃生中相互拥挤进而引发踩踏事故会造成重大伤亡。因此,如何在意外情况下减小踩踏事故的发生概率是一个亟需解决的问题。计算机仿真技术可以模拟疏散过程并为意外情况下的人群疏散提供决策支持。因此,人群疏散仿真技术在解决紧急情
癫痫是由大脑中枢神经元异常放电引起的神经系统疾病。当癫痫发作时,病人会突然失去意识并全身抽搐,若不及时采取抢救措施,则会危及生命。随着医疗设备的进步与机器学习的快速发展,基于脑电图（Electroencephalogram,EEG）的癫痫自动检测方案逐渐替代了传统的人工诊断。最新的神经医学研究表明,大脑不同区域之间存在着相互影响机制。现有的癫痫检测算法考虑了多通道脑电信号时间维度层面的特征,但忽略
由于在军事、航天、农业、工业等领域的重要应用,自动化和智能化的控制理论一直受到各国的广泛重视。然而,随着各行各业对控制系统性能要求的不断提高,传统的线性反馈控制已经很难满足各种实际的控制需求,其原因是大多数实际控制系统本质上是非线性的,例如质量-弹簧-阻尼器系统,航空航天系统,机器人系统等。另外,许多实时应用平台需要严格的时间调度来限制控件的响应时间,例如一个机器人必须在每一个指定的时间内到达一个