Key points are not available for this paper at this time.
In diesem Papier wird eine neuartige Konzeptfaktorisierungsmethode (CF) vorgeschlagen, die als CF mit adaptiven Nachbarn (CFANs) bezeichnet wird. Die Idee von CFAN besteht darin, eine Regularisierungsbeschränkung für ANs in die CF-Zerlegung zu integrieren. Ziel von CFAN ist es, den Darstellungsraum zu extrahieren, der die geometrische Nachbarschaftsstruktur der Daten beibehält. Ähnlich wie bei der bestehenden graphenregularisierten CF baut CFAN eine Nachbargraph-Gewichtsmatrix auf. Der wesentliche Unterschied besteht darin, dass CFAN die dimensionsreduktion durchführt und die Nachbargraph-Gewichtsmatrix gleichzeitig findet. Ein effizienter Algorithmus wird ebenfalls abgeleitet, um das vorgeschlagene Problem zu lösen. Wir wenden die vorgeschlagene Methode auf das Problem der Dokumentenclusterung bei den 20 Newsgroups, Reuters-21578 und TDT2 Dokumentendatensätzen an. Unsere Experimente zeigen die Wirksamkeit der Methode.
Pei et al. (Fri,) haben diese Frage untersucht.