Late integration of multimodal data using stochastic block models
Intégration tardive de données multimodales par modèles à blocs stochastiques
Résumé
In this work, we introduce an innovative method for aggregating multiple clusters originating from different sources of information. Each partition is represented by a co-membership matrix among observations. Our approach employs a mixture of multilayer Stochastic Block Models (SBM) to cluster co-membership matrices with similar information into components and to assign observations to distinct clusters, considering their specificities within the components. The identifiability of the model parameters is established, and a variational Bayesian EM algorithm is proposed for parameter estimation. The Bayesian framework facilitates the selection of an optimal number of clusters and components.
Keywords. Stochastic Block Model, Multiview clustering, Multilayer Network, Bayesian Framework, Integrated Classification Likelihood.
Dans ce travail, nous présentons une méthode originale permettant d'agréger différentes sources d'information. Chaque partition est encodée par une matrice de coappartenance des observations aux classes. Notre approche est fondée sur un mélange de modèles de blocs stochastiques multicouches pour conjointement définir des composantes de sources sur les matrices de co-appartenance similaires et partitionner les observations en différents groupes selon ces composantes. L'identifiabilité des paramètres du modèle est établie et un algorithme EM variationnel bayésien est proposé pour l'estimation de ces paramètres. Le cadre bayésien permet de sélectionner un nombre optimal de groupes et de composantes.
Mots-clés. Modèle à blocs stochastiques, apprentissage multivues, réseaux multicouches, cadre bayésien, vraisemblance complétée intégrée (ICL).
Origine | Fichiers produits par l'(les) auteur(s) |
---|