Cristin-resultat-ID: 1489865
Sist endret: 11. oktober 2017 09:48
NVI-rapporteringsår: 2017
Resultat
Vitenskapelig artikkel
2017

Spectral clustering using PCKID ? A probabilistic cluster kernel for incomplete data

Bidragsytere:
  • Sigurd Løkse
  • Filippo Maria Bianchi
  • Arnt Børre Salberg og
  • Robert Jenssen

Tidsskrift

Lecture Notes in Computer Science (LNCS)
ISSN 0302-9743
e-ISSN 1611-3349
NVI-nivå 1

Om resultatet

Vitenskapelig artikkel
Publiseringsår: 2017
Volum: 10269 LNCS
Sider: 431 - 442
Open Access

Importkilder

Scopus-ID: 2-s2.0-85020391455

Beskrivelse Beskrivelse

Tittel

Spectral clustering using PCKID ? A probabilistic cluster kernel for incomplete data

Sammendrag

In this paper, we propose PCKID, a novel, robust, kernel function for spectral clustering, specifically designed to handle incomplete data. By combining posterior distributions of Gaussian Mixture Models for incomplete data on different scales, we are able to learn a kernel for incomplete data that does not depend on any critical hyperparameters, unlike the commonly used RBF kernel. To evaluate our method, we perform experiments on two real datasets. PCKID outperforms the baseline methods for all fractions of missing values and in some cases outperforms the baseline methods with up to 25% points.

Bidragsytere

Sigurd Løkse

  • Tilknyttet:
    Forfatter
    ved Institutt for fysikk og teknologi ved UiT Norges arktiske universitet

Filippo Maria Bianchi

  • Tilknyttet:
    Forfatter
    ved Institutt for fysikk og teknologi ved UiT Norges arktiske universitet

Arnt-Børre Salberg

Bidragsyterens navn vises på dette resultatet som Arnt Børre Salberg
  • Tilknyttet:
    Forfatter
    ved Jordobservasjon ved Norsk Regnesentral
Aktiv cristin-person

Robert Jenssen

  • Tilknyttet:
    Forfatter
    ved Institutt for fysikk og teknologi ved UiT Norges arktiske universitet
  • Tilknyttet:
    Forfatter
    ved Statistisk analyse, maskinlæring og bildeanalyse SAMBA ved Norsk Regnesentral
1 - 4 av 4