计算机应用

作者：雷皓云, 任珍文, 汪彦龙, 薛爽, 李浩然

单位：1.西南科技大学 国防科技学院，四川 绵阳 621010；2.电子科技大学 信息与通信工程学院，成都 611731；3.计算机软件新技术国家重点实验室（南京大学），南京 210023；4.浙江传媒学院 媒体工程学院，浙江 杭州 310018

关键词：多核图聚类,上界单纯形,张量学习,块对角性质,高阶结构信息

基金：四川省科技厅应用基础研究项目(2021YJ0083);国家自然科学基金资助项目(62106209);南京大学计算机软件新技术国家重点实验室资助项目(KFKT2021B23);浙江省基础公益研究计划项目(LGF21F020003);重庆自然科学基金资助项目(cstc2020jcyj-msxmX0473);浙江省影视媒体技术研究重点实验室开放基金课题(2020E10015)

近年来，多核图聚类（MKGC）受到了广泛的关注，这得益于多核学习能有效地避免核函数与核参数的选择，而图聚类能充分挖掘样本间的复杂结构信息。然而现有的MKGC方法存在着如下问题：图学习技术使得模型复杂化，图拉普拉斯矩阵的高秩特性使其难以保证学到的关系图包含精确的c个连通分量（块对角性质），以及大部分方法忽略了候选关系图间的高阶结构信息，使得多核信息难以被充分利用。针对以上问题，提出了一种新的MKGC方法。首先，提出一种新的上界单纯形投影图学习方法，直接将核矩阵投影到图单纯形上，降低了计算复杂度；同时，引入一种新的块对角约束，使学到的关系图能保持精确的块对角属性；此外，在上界单纯形投影空间中引入低秩张量学习来充分挖掘多个候选关系图的高阶结构信息。在多个数据集上与现有的MKGC方法相比，所提出方法计算量小、稳定性高，在聚类精度（ACC）和标准互信息（NMI）指标上具有较大的优势。

来源：2021年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第12期