宽度学习系统用于数据聚类-多媒体-IT技术博客

宽度学习系统用于数据聚类

时间:2021-03-25 17:14:00 浏览: 字体: 放大 缩小


宽度学习系统用于数据聚类

作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/

    阅读本文的前提:宽度学习系统(Broad Learning System, BLS)。了解什么是宽度学习系统,有一篇文章是关于BLS的综述,适合BLS入门的初学者看,参看参考文献[2]。

    本博文给出宽度学习系统用于聚类的一个应用实例——基于无监督宽度学习的高光谱图像聚类(Hyperspectral Image Clustering Based on Unsupervised Broad Learning)。由于高光谱图像(HSI)的大量训练样本难以标记,无监督聚类方法受到了广泛的关注。最近提出的宽度学习(BL)可以实现线性和非线性映射。然而,最初的BL是一个有监督的模型。本文提出了一种用于HSI聚类的新方法—无监督宽度学习 (UBL)。首先,对UBL的输入和映射特征执行一个图正则化稀疏自编码器,以保持原始HSI的内在流形结构。然后,设计了由输出层权值的l2范数和图正则化项组成的UBL目标函数,该目标函数可以通过选择最小特征值对应的特征向量来求解。最后,将谱聚类应用到UBL的输出上,得到HSI聚类结果。

参考文献:

[1] Y. Kong, Y. Cheng, C. L. P. Chen and X. Wang, "Hyperspectral Image Clustering Based on Unsupervised Broad Learning," IEEE Geoscience and Remote Sensing Letters, vol. 16, no. 11, pp. 1741-1745, Nov. 2019.

[2] X. Gong, T. Zhang, C. L. P. Chen and Z. Liu, "Research Review for Broad Learning System: Algorithms, Theory, and Applications," IEEE Transactions on Cybernetics, doi: 10.1109/TCYB.2021.3061094.

标签: 宽度学习系统用于数据聚类宽度学习系统用于数据聚类