稀疏样本自表达子空间聚类算法

发布时间：2017-09-30 12:06

  本文关键词：稀疏样本自表达子空间聚类算法

  更多相关文章： 子空间聚类 谱聚类 子空间结构 相似度矩阵 样本自表达

【摘要】：针对现有子空间聚类算法在构造相似度矩阵时,没有同时利用样本自表达和稀疏相似度矩阵以及去除噪音、离群点的干扰相结合,提出了一种新的稀疏样本自表达子空间聚类方法。该方法通过样本自表达而充分利用样本间固有相关性的本质,创新性地同时使用L1-范数和L2,1-范数正则化项惩罚相似度矩阵,即对所有测试样本进行稀疏样本自表达,从而确保每个测试样本由与其相关性强的样本表示,并使所获得的相似度矩阵具有良好的子空间结构和鲁棒性。通过Hopkins155和人脸图像等大量数据集的实验结果表明,本文方法在实际数据的子空间聚类中能够获得非常好的效果。
【作者单位】： 广西电化教育馆;广西师范大学广西多源信息挖掘与安全重点实验室;
【关键词】： 子空间聚类 谱聚类 子空间结构 相似度矩阵 样本自表达
【基金】：国家自然科学基金项目(61263035,61573270,61450001) 国家973计划项目(2013CB329404) 中国博士后科学基金项目(2015M570837) 广西自然科学基金项目(2015GX NSFCB139011) 广西研究生教育创新计划项目(YCSZ2016046,YCSZ2016045)
【分类号】：TP311.13
【正文快照】： 近几年来,子空间聚类[1]方法作为一种实现高维数据聚类的有效途径,在机器学习、图像处理和计算机视觉等领域已得到广泛应用。其中基于稀疏表 示(sparse representation)和低秩表示(low-rank representation)的子空间聚类方法,通过与图划分的谱聚类方法相结合,在运动图像分割

【相似文献】

中国期刊全文数据库 前10条

1 何大治;谢步瀛;;基于子空间模型的人员疏散路径选择[J];东华大学学报(自然科学版);2007年03期

2 钱诚;张三元;;适用于目标跟踪的加权增量子空间学习算法[J];浙江大学学报(工学版);2011年12期

3 李勇周;罗大庸;刘少强;;空间光滑且完整的子空间学习算法[J];模式识别与人工智能;2009年03期

4 闵锋;鲁统伟;邹旭;;自适应子空间选择方法研究[J];计算机技术与发展;2013年10期

5 宗瑜;江贺;张彦春;李明楚;;一种可信子空间标志方法[J];计算机应用研究;2009年10期

6 程强;陈秀宏;;局部非参数子空间分析在人脸识别中的应用[J];计算机工程与应用;2014年03期

7 周学君;彭锦;;应用子空间信息准则选择模型参数[J];兰州理工大学学报;2007年04期

8 张瑜;袁书娟;杨爱民;;Krylov子空间上并行预校GMRES(m)算法的研究[J];微电子学与计算机;2009年09期

9 石桥胜,段立娟;查询子空间在图像检索中的应用[J];计算机工程与应用;2002年20期

10 曹孝斌;廖海斌;李原;;面向酉子空间的二维判别保局投影的人脸识别[J];计算机应用研究;2011年09期

中国重要会议论文全文数据库 前2条

1 张瑜;袁书娟;杨爱民;;Krylov子空间上并行预校GMRES(m)算法的研究[A];2009年全国开放式分布与并行计算机学术会议论文集(下册)[C];2009年

2 葛鹏程;李建中;张兆功;何震瀛;;一种基于势能的快速聚类算法[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

中国博士学位论文全文数据库 前1条

1 黄震华;子空间SKYLINE查询若干关键问题的研究[D];复旦大学;2008年

中国硕士学位论文全文数据库 前7条

1 谭坤;快速子空间追踪算法研究[D];电子科技大学;2010年

2 郑重;线性算子的局部线性相关性[D];吉林大学;2009年

3 张健飞;子空间分类算法研究及应用[D];福建师范大学;2013年

4 王永飞;子空间学习在基于Kinect的场景分类中的应用[D];华南理工大学;2014年

5 崔佳;基于子空间的人脸识别及性能分析[D];西安电子科技大学;2011年

6 陈艺丹;基于面部子空间特征的疲劳驾驶检测软件研究[D];长春理工大学;2012年

7 陈琳;基于子空间的人脸识别方法研究[D];电子科技大学;2012年

，

本文编号：948075