10.16208/j.issn1000-7024.2017.02.047
基于自表征和群组效应的子空间聚类算法
为解决目前聚类算法对噪声敏感和缺乏考虑样本间相关性等问题,提出一种充分考虑样本间相关性,使构造的关联矩阵保持子空间结构的子空间聚类算法.利用?2,1-norm对每个样本进行自表征;群组效应确保相近样本的自表征系数亦相近,生成块对角化的样本自表征系数矩阵;根据自表征矩阵得到关联矩阵,在谱聚类模型下实现数据聚类.在Hop-kins155等数据集上的实验结果表明,在聚类错误率评判标准下,该算法优于现有经典子空间聚类算法SRC、SSC等.
子空间聚类、自表征、群组效应、谱聚类、关联矩阵
38
TP181(自动化基础理论)
国家自然科学基金项目61450001、61263035、61363009、61573270;国家 973 重点基础研究发展计划基金项目2013CB329404;中国博士后科学基金项目2015M570837;广西自然科学基金项目2012GXNSFGA060004、2015GXNSFCB139011、2015GXNSFAA139306;广西研究生教育创新计划基金项目YCSZ2016045
2017-03-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
534-538