改进的多样性驱动的多视图子空间聚类算法

为了解决目前基于子空间的多视图聚类模型存在的两个问题,即:只考虑各视图间的互补信息或一致性来进行聚类;通常采取两步方式,提出了一种改进的多样性驱动的多视图子空间聚类算法。综合利用各视图的多样性表示来获得互补信息,同时通过引入概率单纯形约束和秩约束从子空间系数矩阵中自动学习用于聚类的共同亲邻图和一致类簇指标矩阵,以提高聚类性能。在真实数据集上的实验证明了所提方法的有效性和优越性。

短文本主题挖掘助力教学的探索

传统的主题模型更适用于内容丰富的文本,而短文本上下文信息不足,因此从短文本中提取主题成为理解流媒体信息的一项重要且具挑战性的任务。本文提出了一种针对教学领域的基于非负矩阵分解的短文本主题模型,并且利用该模型和统计分析相结合的方法对线上课程的评价数据进行主题情感分析,发现了课程中存在的不足、学习者的困惑和兴趣点,以便课程建设者对课程进行改进和完善,提升教学质量。

自适应加权低秩约束的多视图子空间聚类算法

多视图聚类旨在综合利用视图数据中的一致信息和互补信息实现对数据的划分,但各视图表征数据的能力参差不齐,甚至有的视图可能含有大量的冗余和噪声信息,不仅不能带来多样的信息,反而影响聚类性能.本文提出了自适应加权的低秩约束的多视图子空间聚类算法,通过自适应学习的方式给各视图赋予不同权重来构造各视图共享的潜在一致低秩矩阵.并且提出了有效的可迭代优化算法对模型进行优化.在5个公开数据集上的实验结果表明所提算法的有效性.

战场多级核生化态势生成方法研究

详细介绍和描述了核生化态势的分类问题,提出了战场多级核生化态势的概念,分别对作业级、作战指挥级、作战筹划级核生化态势的要素及生成方式进行了研究,并进行了对比分析。多级核生化态势可以为不同层级的用户提供专业、有效的态势信息,满足核生化作战的技术需求。