- 博客(45)
- 收藏
- 关注
RSS订阅原创 论文阅读 | Incomplete Multi-view Clustering via Prototype-based Imputation
IJCAI 23年的文章，出自彭玺团队。附上源码:为了实现所提出的基于原型的插补方法，作者提出了一个双流模型，通过设计一个双注意力层和双对比学习损失模块。由于所提出的模型，**实例的通用性和视图的多样性（instance commonality & view versatility）**可以得到很好的表示，从而提高IMvC的性能。大量的实验结果表明，该模型在聚类和数据恢复性能的优越性。
2024-07-04 22:50:41
1126
原创 论文阅读 | Contrastive Clustering
2021年AAAI的文章，出自彭玺团队。本文提出了一种名为对比聚类（CC）的在线聚类方法，该方法明确地执行实例级和簇级对比学习。具体来说，对于给定的数据集，通过数据增强构建正负实例对，并将其投影到特征空间中。然后，在特征矩阵的行空间和列空间中分别进行实例级和簇级对比学习，通过最大化正对之间的相似性并最小化负对之间的相似性。我们的关键观察是，特征矩阵的行可以被看作是实例的软标签，相应地，列可以被进一步看作是簇的表示。通过同时优化实例级和簇级对比损失，模型以端到端的方式联合学习表示和簇分配。
2024-07-04 15:08:23
1219
1
原创 论文阅读 | Dual Contrastive Prediction for Incomplete Multi-view Representation Learning
彭玺团队的一篇发表于PAMI上的文章，附源码。
2024-06-21 23:40:44
1056
1
原创 论文阅读 | COMPLETER:Incomplete Multi-view Clustering via Contrastive Prediction
2021年CVPR 的文章，出自川大彭玺团队1、理论框架： COMPLETER 提出了一个新颖的理论框架，将一致性特征表示学习和跨视图数据恢复统一起来。该框架表明，数据恢复和一致性学习是相互促进的。视图内重建损失： 学习视图特定的特征表示，避免平凡解（ avoid the trivial solution）。跨视图对比学习损失：通过最大化不同视图之间的互信息来学习跨视图一致性。跨视图双重预测损失：通过最小化不同视图之间的条件熵来恢复缺失的视图（Data recovery）。
2024-06-21 19:49:59
696
1
原创 论文阅读 | Deep Incomplete Multi-view Clustering with Cross-view Partial Sample and Prototype Alignment
本文是出自刘新旺团队的一篇文章，23年被CVPR收录。不完全多视图表示学习模块、跨视图部分样本对齐模块（CPSA）和移位原型对齐模块（SPA）。具体来说，CPSA执行不同视图之间的实例对齐。SPA探索原型之间的最佳匹配对应。然后，使用结构嵌入填补策略来填补缺失的嵌入。最终，将完整的嵌入和填充的嵌入连接起来，然后用K-means聚类算法以获得最终结果。
2024-06-15 14:35:17
1417
3
原创 SwaggerUI界面报错 No operations defined in spec!
swagger.base-package=com.example.demo # 修改完成！！！！
2024-06-07 09:41:29
546
原创 springboot 项目报错“Failed to load ApplicationContext”
在Spring 单元测的时候容易发生的bug。主要原因是在测试时注入的是具体实现而不是接口。
2024-06-07 09:37:58
852
原创 Springboot 加载不了maven问题
经常会出现从github上clone的springboot项目注解有问题，这是因为没有加载到相关依赖。没加载之前的项目目录，pom.xml是这种图标。
2024-06-07 09:34:19
526
原创 Leetcode报错 ERROR_stack-overflow on address 0x7fffa50b2ff8
如果没添加注释那一行的句子，就会无限递归调用dfs函数，导致爆栈。
2024-06-07 09:29:13
236
原创 javac The term ‘javac‘ is not recognized as a name of a cmdlet, function, script file, or executable
javac命令就不存在。
2024-06-06 21:03:26
511
原创 边缘计算(Edge computing)
靠近数据源：边缘计算涉及在网络边缘附近处理数据，即在数据生成的地方，而不是在中央数据中心。比如，手机就是人与云中心之间的边缘结点，网关是智能家居和云中心之间的边缘结点。在理想环境中，边缘计算指的就是在数据产生源附近分析、处理数据，没有数据的流转，进而。降低延迟：通过在数据生成的地方进行数据处理，边缘计算可以显著降低延迟，这对于实时应用程序（如自动驾驶汽车、工业自动化和增强现实）至关重要。节省带宽：只发送必要或预处理的数据到云可以减少带宽需求，这对于网络效率有益，也可以降低传输成本。
2024-06-06 15:59:39
333
原创 联邦学习（Federal Learning）
简而言之，联邦学习就是一个分布式的机器学习过程，它让所有参与者都能在保持数据隐私的同时，共同合作训练出一个更强大、更智能的模型。尤为重要的领域，如医疗健康、金融服务等。，提升模型效果的同时保护隐私安全。
2024-06-06 15:56:09
493
原创 表征学习（Representation Learning）
简单来说，就是让机器通过学习得到数据的高效表示（或叫特征）。这些表示能够揭示数据的本质属性，让机器更好地完成各种任务，比如分类、预测等。这些算法各有特点和应用场景，选择合适的算法需要根据具体任务的需求和数据特性来决定。我的理解就是将各种数据降维表示成向量，易于模型理解和处理。
2024-06-06 15:54:12
1147
原创 迁移学习（Transfer Learning）
源域 (Source domain)：已有知识的域目标域 (Target domain)：要进行学习的域。
2024-06-06 15:52:08
546
原创 对比学习（Contrastive Learning）、常用的对比学习算法简述
它通过两个网络（一个目标网络和一个在线网络）学习表示，其中在线网络的目标是预测目标网络在相同输入的不同增强版本上的表示。Barlow Twins是一种简单的自监督学习方法，通过最小化两个不同增强视图的表示之间的冗余度，同时确保每个特征的表示力最大化。它将每个视图的表示作为正样本，其他视图的表示作为负样本，通过最大化视图间的相似度来学习有区分力的特征。总结来说，对比学习通过让模型比较相似和不相似的样本，学习到更有用的数据表示，这种方法在减少对大量标注数据的依赖的同时，提高了模型的泛化能力。
2024-06-06 11:00:36
2233
原创 什么是多模态、多模态学习的分类
多模态融合是指将来自不同感知模态（如图像、文本、语音等）的信息整合到一个统一的模型中，以更全面、准确地理解和处理数据。
2024-06-06 10:21:25
498
原创 C++ mysql.h头文件引用报错，“fatal error: mysql.h: No such file or directory #include ＜mysql.h＞“
加上去之后还是提示有错！
2024-06-02 15:29:49
2200
1
原创 论文阅读 | A Survey on Multiview Clustering
本篇文章是多视图聚类的一篇综述文章，发布于 IEEE TRANSACTIONS ON ARTIFICIAL INTELLIGENCE (TAI)期刊本文档的大纲如下：I. 引言A. 多视图聚类的定义B. 多视图聚类的重要性C. 当前研究进展与问题D. 本文结构IV. 与相关主题的关系A. 与多视图表示学习的关系B. 与集成聚类的关系C. 与多任务聚类的区别D. 与多视图监督和半监督学习的关系V. 应用A. 计算机视觉B. 自然语言处理C. 社交多媒体。
2024-06-01 20:41:33
412
2
原创 四、同构多视图数据集、异构多视图数据集的区别（聚类）
例子：假设有一个患者的数据集，一个视图包含患者的电子健康记录（EHR），另一个视图包含患者的基因表达数据，第三个视图包含患者的影像数据（如MRI扫描）。总结，同构多视图数据局各个视图的数据类型和维度是一致的，例如不同类型的图片。但是异构多视图数据集各个视图具有不同的性质和特征，例如文本数据、数值数据、图像数据三种视图。也就是说，每个视图的数据类型和维度可能是不同的，通常来自不同的数据来源或不同的数据模式。这些特征视图都是从同一个数据源（图像）提取的，并且它们的数据类型和维度是相同或相似的。
2024-05-30 19:49:26
421
原创 一、单视图聚类、多视图聚类、不完全多视图聚类的区别
2、根据数学成绩（Math）、英语成绩(English)、语文(Chinese)成绩分组：A（3门成绩都>90）、B（1到2门成绩>90）、C(没有一门成绩>90，但都大于60) D (三门成绩都小于60)，这种聚类方法，3种成绩就是3种视图、叫多视图聚类。3、根据数学成绩（Math）、英语成绩(English)、语文(Chinese)成绩分组，但是有的同学成绩的数据有所缺失:可以根据其平时的作业表现或者上一次考试情况来补充这一次的成绩，这就叫视图补全。
2024-05-30 18:59:53
435
原创 VsCode在debug时查看全局变量
在如下cpp代码中，vector<vector> res 和 vector tmp 为全局变量。该段代码取自leetcode78题子集。
2024-05-23 16:18:49
1246
1
原创 github从本地文件夹拉取建立一个repository
参考（https://blog.youkuaiyun.com/qq_37604802/article/details/116713861）
2024-05-23 15:58:03
299
1
原创 Windows 查找文件或者文件夹命令—— Get-Childitem命令
查找README.txt文件或者查找child_folder文件夹。folder文件夹如图所示。在folder目录下。
2024-05-23 15:38:02
929
1
原创 深度聚类（Deep Clustering）及其主要分类
深度聚类（Deep Clustering）: 是指将深度学习技术与传统聚类方法相结合，通过深度神经网络学习数据的高层次表示（特征），然后在这些表示上进行聚类分析。其目标是利用深度学习强大的特征提取和表示能力，改进传统聚类方法在高维、复杂和多模态数据上的表现。
2024-05-23 10:13:16
2251
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人