Classification with incomplete training information using a cluster ensemble and low-rank matrix decomposition

B. A. TULEGENOVA, E. N. AMIRGALIYEV, Lyailya Cherikbayeva, Vladimir Berikov

2020

Полный текст Открытый доступ: Gold Метаданные (CSL-JSON)
DOI 10.47533/2020.1606-146x.32
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

The paper is devoted to solve the pattern recognition problem with incomplete learning data. The solution method, which combines similarity graph with Laplacian Regularization and collective clustering is proposed. The low-rank decomposition of co-association matrix for cluster ensemble is used, which allows to speed up the computations and keep memory. Experimental results on test tasks and on real hyperspectral image demonstrate the effectiveness of proposed method, including with noisy data.