关联数据聚类：模型、算法及应用

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