信息瓶颈（information bottleneck,IB）方法具有良好的理论基础和较强的数据分析能力,自被提出以来便得到信息编码、机器学习、图像处......

IB方法是一种基于信息论的数据分析方法,其将数据模式分析视为一个数据压缩的过程。若给定源变量与相关变量的联合概率分布,IB方法......

在实际应用中,尤其是复杂、庞大的数据集中通常呈现出多种合理且不同的数据模式,而传统的聚类分析方法往往关注于发现数据集中单个......

IB(Information Bottleneck)方法起源于率失真理论,是一种有效解决复杂优化问题中数据压缩和信息保存的方法学。在机器学习领域中,......

二分类数据中,某些训练样本因其隐私性往往较难获取,致使训练集规模较小,因此分类算法无法学习到较好的数据模式.针对上述问题,本......

针对数据对象自身模式特征明确程度的不同给IB （Information Bottleneck ）方法数据分析带来的问题，定义一个“基于明确因素”的数据选......

IB方法使用源变量和相关变量的联合概率分布对源变量进行最大化压缩，使压缩变量最大化地保存相关变量的信息，连续IB算法（sIB）是一种较......

针对数据中多视角模式挖掘的问题,提出一个基于IB方法的无冗余多视角聚类算法:NrMIB.该算法一方面采用IB思想来最大化地保存聚类结......

对称IB（Symmetric Information Bottleneck）通过行、列压缩变量之间的相互协作来挖掘数据中的双向压缩模式.由于行、列压缩变量不能......