关联数据聚类：模型、算法及应用

暂缺《关联数据聚类：模型、算法及应用》简介

暂缺《关联数据聚类：模型、算法及应用》作者简介

目录
《信息科学技术学术著作丛书》序
作者中文版序
前言
第一部分引言
第1章引言3
1.1研究领域3
1.2本书的内容和组织5
1.3本书的读者7
1.4进一步的阅读7
第二部分模型
第2章集体聚类11
2.1引言11
2.2相关工作12
2.3模型建立和分析13
2.3.1块值分解13
2.3.2NBVD方法15
第3章异质关联数据聚类18
3.1引言18
3.2相关工作19
3.3关联摘要网络模型20
第4章同质关联数据聚类24
4.1引言24
4.2相关工作26
4.3图逼近的社区学习27
第5章一般关联数据聚类32
5.1引言32
5.2相关工作33
5.3混合成员关联聚类34
5.4谱关联聚类36
第6章多视图关联数据聚类38
6.1引言38
6.2相关工作40
6.3背景和模型公式40
6.3.1多视图非监督学习的一般模型41
6.3.2多视图聚类和多视图谱嵌入43
第7章演化数据聚类45
7.1引言45
7.2相关工作46
7.3狄利克雷过程混合链48
7.4HDP演化聚类模型50
7.4.1HDP-EVO表示50
7.4.2对HDP-EVO的双等级CRP51
7.5无限层次隐马尔可夫状态模型52
7.5.1iH2MS的描述52
7.5.2iH2MS的扩展54
7.5.3HTM的最大似然估计54
7.6包含有HTM的HDP(HDP-HTM)55
第三部分算法
第8章集体聚类61
8.1非负块值分解算法61
8.2证明NBVD算法的正确性63
第9章异质关联数据聚类66
9.1关联摘要网络算法66
9.2聚类方法的统一71
9.2.12部谱图分割71
9.2.2有特征减少的二进制数据聚类72
9.2.3信息理论的集体聚类72
9.2.4K均值聚类73
第10章同质关联数据聚类74
10.1硬CLGA算法74
10.2软CLGA算法75
10.3平衡CLGA算法79
第11章一般关联数据聚类81
11.1混合成员关联聚类算法81
11.1.1有指数族的MMRC81
11.1.2蒙特卡洛E步83
11.1.3M步83
11.1.4硬MMRC算法86
11.2谱关联聚类算法88
11.3对聚类的一个统一观点91
11.3.1半监督聚类91
11.3.2集体聚类92
11.3.3图聚类93
第12章多视图关联数据聚类95
12.1算法推导95
12.1.1多视图聚类算法95
12.1.2多视图谱嵌入算法97
12.2扩展和讨论99
12.2.1演化聚类99
12.2.2有补充信息的非监督学习100
第13章演化数据聚类101
13.1DPChain推理101
13.2HDP-EVO推理102
13.3HDP-HTM推理104
第四部分应用
第14章集体聚类109
14.1数据集和实现细节109
14.2评价指标110
14.3结果和讨论110
第15章异质关联数据聚类114
15.1数据集和参数设置114
15.2结果和讨论117
第16章同质关联数据聚类119
16.1数据集和参数设置119
16.2结果和讨论120
第17章一般关联数据聚类123
17.1图聚类123
17.2双聚类和三聚类124
17.3关于演员-电影数据的案例研究126
17.4谱关联聚类应用127
17.4.1在双类型的关联数据上聚类127
17.4.2在三种类型关联数据上聚类129
第18章多视图和演化数据聚类132
18.1多视图聚类132
18.1.1合成数据132
18.1.2真实的数据134
18.2多视图谱嵌入135
18.3半监督聚类137
18.4演化聚类138第五部分总结
第19章总结143
参考文献146