机器学习作业与报告
the code for paper "GMC: Graph-based Multi-view Clustering", IEEE TKDE, 2019.
Adaptive structure concept factorization for multiview clustering2018,一个基于图的多视图聚类
Multi-graph Fusion for Multi-view Spectral Clustering,同时进行图融合和谱聚类,融合图保持显示集群结构
Code for Memory Fusion Network (MFN), AAAI 2018, https://arxiv.org/abs/1802.00927
论文代码:MISA: Modality-Invariant and -Specific Representations for Multimodal Sentiment Analysis
[AAAI 2018] Consistent and Specific Multi-view Subspace Clustering
选一个最有信息量的视图,如果没有先验信息,算自趋模块度取最大的作为基准,之后通过深度自编码器来学习到特征表示,解码重构多视图网络,让聚类P,Q聚类loss最小
Graph learning for multiview clustering,与之对比的七种方法:SC, CRSC, RMSC, SNF,MVSC, and MKKM ,和相应的数据集UCI Digits, Caltech-101, Notting-Hill, COIL-20
属性异质信息网络上的半监督双聚类,首先利用多条元路径和节点属性,设计了一种融合结构和属性的可学习的整体相关性度量方法,提出了属性异质网络半监督双聚类方法SCCAIN,基于约束的正交非负矩阵三分解对不同类型的节点同时进行聚类。