隐子空间聚类算法的改进及其增量式算法

摘要：

基于稀疏表示的隐子空间聚类(latent subspace clustering,LSC)算法,相对于传统的子空间聚类算法,具有更快的聚类速度,使其适用于更大的数据集,但是其存在字典训练具有随机性,占用内存过多等缺陷.参照LC-KSVD字典训练算法的思想,通过将一部分信号的标签信息添加进字典训练阶段,以此提高了字典的判别性,进而提出了聚类精度更好的ILSC (improved LSC)算法.但相比于LSC算法,ILSC算法在字典训练阶段的耗时却大幅增加,针对此缺陷,参照增量字典训练的思想,提出了ILSC算法的增量式聚类算法I2LSC (incremental ILSC),在确保聚类精度、NMI(normalized mutual information)、RI(Rand index)值高于LSC且与ILSC相当的同时,较之ILSC具有更快的运行速度.

关键词：子空间聚类、隐子空间聚类(LSC)、判别式字典训练、增量式字典训练

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61170122;the New Century Excellent Talent Foundation from MOE of China under Grant No.NCET-12-0882

在线出版日期：2017-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：802-813