基于最小二乘回归的分块加权子空间聚类
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.16451/j.cnki.issn1003-6059.201612007

基于最小二乘回归的分块加权子空间聚类

引用
传统子空间聚类算法向量化时忽略样本的自然结构信息,并且容易造成高维度样本问题,从而导致聚类信息损失。为了弥补该缺陷,文提出基于最二乘回归的分块加权子空间聚类( WB-LSR)。首先,将样本按维度分成若干块,并求得各块对应的仿射矩阵。然后,通过相互投票方式对各仿射矩阵设置权重,将加权和作为最终的仿射矩阵。在图像据和视频据上的实验表明,文方法能有效提升聚类准确率。

子空间聚类、结构信息、块、仿射矩阵、权重

29

TP311;TP371(计算技术、计算机技术)

国家自然科学基金项目11571074,71273053;福建省自然科学基金项目No.2014J01009资助Supported by National Natural Science Foundation of China11571074,71273053;Natural Science Foundation of Fujian Prov-ince2014J01009

2017-02-17(万方平台首次上网日期,不代表论文的发表时间)

共8页

1114-1121

相关文献
评论
暂无封面信息
查看本期封面目录

模式识别与人工智能

1003-6059

34-1089/TP

29

2016,29(12)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn