Self-weighted spectral clustering with parameter-free constraint

خوشه بندی محدود طیفی (یا به عنوان خوشه بندی طیفی نیمه نظارت شناخته شده) بر افزایش قابلیت خوشه بندی با استفاده از اطلاعات جانبی تمرکز دارد. در این مقاله، روش جدید خوشه بندی طیفی محدود شده براساس تشابه یک پارامتر ناپایدار ارائه شده است. از روش های دیگر متفاوت است، روش پیشنهادی محدودیت های جفتی داده شده را به شکل شباهت گراف درونی و گراف شباهت گراف به جای ترکیب آنها به یک شباهت واحد تبدیل می کند. علاوه بر این، وزن مطلوب می تواند به طور خودکار به منظور تعادل مشکلات بهینه سازی گراف بین گراف درونی و گراف مجازات به دست آید. روش پیشنهادی مجهز به یک چارچوب کلی از کارآمد بازآموزی بهینه سازی دو هدف، می تواند از طریق به روزرسانی ماتریس لاپلاسایی وزنی تا همگرایی، هر دو خوشه بندی برش نسبت داده شده و نرمال را به دست آورد. علاوه بر این، روش پیشنهادی برابر با خوشه بندی طیفی است، زمانی که هیچ اطلاعات جانبی ارائه نمی شود. در نتیجه، اثربخشی و برتر بودن روش پیشنهادی هر دو به روش تحلیلی و تجربی تأیید می شوند.