第一部分 引言 3
第1章 引言 3
1.1研究领域 3
1.2本书的内容和组织 5
1.3本书的读者 7
1.4进一步的阅读 7
第二部分 模型 11
第2章 集体聚类 11
2.1引言 11
2.2相关工作 12
2.3模型建立和分析 13
2.3.1块值分解 13
2.3.2 NBVD方法 15
第3章 异质关联数据聚类 18
3.1引言 18
3.2相关工作 19
3.3关联摘要网络模型 20
第4章 同质关联数据聚类 24
4.1引言 24
4.2相关工作 26
4.3图逼近的社区学习 27
第5章 一般关联数据聚类 32
5.1引言 32
5.2相关工作 33
5.3混合成员关联聚类 34
5.4谱关联聚类 36
第6章 多视图关联数据聚类 38
6.1引言 38
6.2相关工作 40
6.3背景和模型公式 40
6.3.1多视图非监督学习的一般模型 41
6.3.2多视图聚类和多视图谱嵌入 43
第7章 演化数据聚类 45
7.1引言 45
7.2相关工作 46
7.3狄利克雷过程混合链 48
7.4 HDP演化聚类模型 50
7.4.1 HDP-EVO表示 50
7.4.2对HDP-EVCO的双等级CRP 51
7.5无限层次隐马尔可夫状态模型 52
7.5.1 iH2 MS的描述 52
7.5.2 iH2 MS的扩展 54
7.5.3 HTM的最大似然估计 54
7.6包含有HTM的HDP(HDP-HTM) 55
第三部分 算法 61
第8章 集体聚类 61
8.1非负块值分解算法 61
8.2证明NBVD算法的正确性 63
第9章 异质关联数据聚类 66
9.1关联摘要网络算法 66
9.2聚类方法的统一 71
9.2.1 2部谱图分割 71
9.2.2有特征减少的二进制数据聚类 72
9.2.3信息理论的集体聚类 72
9.2.4 K均值聚类 73
第10章 同质关联数据聚类 74
10.1硬CLGA算法 74
10.2软CLGA算法 75
10.3平衡CLGA算法 79
第11章 一般关联数据聚类 81
11.1混合成员关联聚类算法 81
11.1.1有指数族的MMRC 81
11.1.2蒙特卡洛E步 83
11.1.3 M步 83
11.1.4硬MMRC算法 86
11.2谱关联聚类算法 88
11.3对聚类的一个统一观点 91
11.3.1半监督聚类 91
11.3.2集体聚类 92
11.3.3图聚类 93
第12章 多视图关联数据聚类 95
12.1算法推导 95
12.1.1多视图聚类算法 95
12.1.2多视图谱嵌入算法 97
12.2扩展和讨论 99
12.2.1演化聚类 99
12.2.2有补充信息的非监督学习 100
第13章 演化数据聚类 101
13.1 DPChain推理 101
13.2 HDP-EVO推理 102
13.3 HDP-HTM推理 104
第四部分 应用 109
第14章 集体聚类 109
14.1数据集和实现细节 109
14.2评价指标 110
14.3结果和讨论 110
第15章 异质关联数据聚类 114
15.1数据集和参数设置 114
15.2结果和讨论 117
第16章 同质关联数据聚类 119
16.1数据集和参数设置 119
16.2结果和讨论 120
第17章 一般关联数据聚类 123
17.1图聚类 123
17.2双聚类和三聚类 124
17.3关于演员-电影数据的案例研究 126
17.4谱关联聚类应用 127
17.4.1在双类型的关联数据上聚类 127
17.4.2在三种类型关联数据上聚类 129
第18章 多视图和演化数据聚类 132
18.1多视图聚类 132
18.1.1合成数据 132
18.1.2真实的数据 134
18.2多视图谱嵌入 135
18.3半监督聚类 137
18.4演化聚类 138
第五部分 总结 143
第19章 总结 143
参考文献 146