facetosea1的博客

数据集来自周志华《机器学习》202页西瓜数据集。算法初始随机选取的三个样本，按照书上选的运行测试代码，可根据需求对代码进行改写，详细过程如下：1、data.txt 数据集0.697 0.4600.774,0.3760.634,0.2640.608,0.3180.556,0.2150.403,0.2370.481,0.1490.437,0.2110.666,0.0910.24...

1、 聚类聚类的目的就是把不同的数据点按照它们的相似与相异度（？怎么衡量相似与相异）分割成不同的簇，确保每个簇中的数据都是尽可能相似，而不同簇的数据尽可能相异。从模式识别的角度来讲，聚类就是在发现数据中潜在的模式，帮助人们 进行分组归类已达到更好理解数据的分布规律。聚类是无监督学习方法，不同的聚类方法基于不同的假设和数据类型。聚类的算法很多，包括基于划分的聚类算法：k-means、，...

1、 密度聚类基本概念**核心对象（core object）：**若x的e领域至少包含k（自定义）样本，则x是一个核心对象。密度直达：描述的是核心样本点与其e领域内的样本点的关系，是密度直达的。**密度可达：**描述的是核心对象与不在其e领域内的非核心点的关系，如果其可通过核心点间的传递密度直达，则密度可达。**密度相连：**描述的是不在同一e领域内的非核心对象之间的关系。疑问？同簇的...

1、多视图聚类从对事物的不同角度的理解生成多个特征描述视图，而非单个视图，就是多视图。若对事物作单视图特征表示，则意味着，增加了特征空间的维度，且不同角度的特征合成同一视图，其特征可能失去原有的意义。而多视图，则能够发挥各个视图的优势，把同一数据表示成多个特征集，然后在每个特征集上可以用不同的方法进行学习，达到协同学习的目的，改善学习性能。半监督多视图学习：找到将将标记数据较好分类的视图...

1 定义（核心点，核心距离，可达距离）核心点（核心对象）：ε邻域内，数据个数大于等于阈值的点。核心距离：使每个点成为核心对象的最小距离。可达距离：若x为核心点，则y关于x的可达距离为，y与x的欧氏距离和x的核心距离，中的最大值。2 算法流程输入：数据样本 D，初始化所有点的可达距离和核心距离为MAX，半径ε，阈值 MinPts。1、建立两个队列，有序队列和结果队列。2、如果D中非空，...

深度对抗子空间聚类-Deep Adversarial Subspace Clustering大多数现有的子空间聚类方法都依赖于手工表达的自我表达，并且不知道潜在的聚类错误。为了解决这一问题，我们提出了一种新的深度对抗方法。子空间聚类（DASC）模型通过深入学习学习学习子空间聚类中更有利的样本表示，更重要的是引入对抗学习来监督样本表示学习和子空间聚类。具体地说，DASC由一个子空间聚类生成器...