基于数据表示的子空间聚类算法的研究与应用
发布时间：2022-02-24 20:27
聚类作为一种无监督学习方式,在机器学习与模式识别领域里得到广泛地应用。传统的聚类算法是基于距离度量数据之间的相似性。然而如今步入大数据时代,高维数据普遍地存在于各个领域。而高维数据内存在样本与各个簇的距离几乎相等的现象,这使基于距离的传统聚类算法失效。近年来基于表示的子空间聚类算法,如:稀疏表示和低秩表示,凭借在高维数据里优良的聚类性能得到了大量的关注与广泛地应用。本文对子空间聚类算法进行深入地分析探讨,对基于表示的子空间聚类算法存在的问题提出了相关的改进方法,提高了子空间聚类算法的性能。本文的主要工作如下:1、与稀疏表示子空间聚类利用稀疏技术和低秩表示子空间聚类利用低秩技术不同,本文利用Frobenius范数对子空间的表示系数矩阵提出协作表示。Frobenius范数具有分组效应:数据之间的相关性越大,表示系数矩阵内与数据对应的系数越相近,系数值越大。当数据属于同一个簇时,它们之间的相关性比较高,因此对应的表示系数的值较大;而数据属于不同簇时,它们之间的相关性比较低,则对应的表示系数的值较小。这种效应满足子空间聚类对表示系数矩阵的稀疏性要求,并且进一步提高了稀疏的质量。而且协作表示的F...
【文章来源】：广东工业大学广东省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 子空间聚类的研究背景与意义
1.2 子空间聚类的研究现状
1.3 子空间聚类的应用
1.4 本文的内容与结构
第二章 子空间聚类的相关方法
2.1 引言
2.2 稀疏表示子空间聚类(SSC)
2.3 低秩表示子空间聚类(LRR)
2.4 图谱分割理论
2.5 聚类效果的评价指标
2.6 本章小结
第三章 谱增强的协作表示子空间聚类
3.1 研究动机
3.2 协作表示的组效应
3.3 谱增强的协作表示子空间聚类算法
3.4 模型求解
3.5 图像聚类实验
3.5.1 实验过程
3.5.2 实验结果
3.6 运动分割实验
3.6.1 运动分割的理论
3.6.2 运动分割的实验数据集
3.6.3 运动分割的结果
3.7 本章小结
第四章 局部稀疏流形嵌入的半监督协作子空间聚类
4.1 引言
4.2 局部稀疏流形嵌入
4.3 半监督聚类
4.4 基于局部流形邻近图的半监督子空间聚类
4.5 人脸识别实验
4.5.1 实验数据集
4.5.2 实验过程
4.5.3 实验结果
4.6 本章小结
总结与展望
参考文献
攻读学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]基于最小二乘回归的分块加权子空间聚类[J]. 李辉,陈晓云. 模式识别与人工智能. 2016(12)
[2]基于混合概率主成分分析的HRRP特征提取[J]. 李彬,李辉. 系统工程与电子技术. 2017(01)
[3]基于Local特征和Regional特征的图像显著性检测[J]. 郭迎春,袁浩杰,吴鹏. 自动化学报. 2013(08)
[4]K-means聚类算法研究综述[J]. 王千,王成,冯振元,叶金凤. 电子设计工程. 2012(07)
[5]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇. 软件学报. 2008(01)
[6]不等式约束优化问题的一个精确增广拉格朗日函数[J]. 杜学武,靳祯. 上海交通大学学报. 2006(09)
[7]图像视觉特征综述[J]. 于昕梅,朱林. 广东通信技术. 2004(S1)
[8]数据挖掘综述[J]. 王光宏,蒋平. 同济大学学报(自然科学版). 2004(02)
博士论文
[1]稀疏约束下的图像分类与特征提取算法研究[D]. 李斐.山东大学 2018
[2]子空间学习及其在图像集分类中的应用研究[D]. 刘博.北京交通大学 2017
[3]基于等距特征映射的非线性降维及其应用研究[D]. 石洁.中国科学技术大学 2017
[4]子空间聚类分析新算法及应用研究[D]. 由从哲.江南大学 2017
[5]流形学习算法及其应用研究[D]. 雷迎科.中国科学技术大学 2011
[6]图像稀疏表示理论及其应用研究[D]. 邓承志.华中科技大学 2008
硕士论文
[1]流形学习与稀疏回归算法在图像监督分类上的应用研究[D]. 张兴瑞.哈尔滨工业大学 2018
[2]基于进化算法的高维数据聚类研究[D]. 杨代君.西安电子科技大学 2014
[3]基于半监督AP算法的电信客户细分研究[D]. 孟奇.河北大学 2014
本文编号：3643457
【文章来源】：广东工业大学广东省
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 子空间聚类的研究背景与意义
1.2 子空间聚类的研究现状
1.3 子空间聚类的应用
1.4 本文的内容与结构
第二章 子空间聚类的相关方法
2.1 引言
2.2 稀疏表示子空间聚类(SSC)
2.3 低秩表示子空间聚类(LRR)
2.4 图谱分割理论
2.5 聚类效果的评价指标
2.6 本章小结
第三章 谱增强的协作表示子空间聚类
3.1 研究动机
3.2 协作表示的组效应
3.3 谱增强的协作表示子空间聚类算法
3.4 模型求解
3.5 图像聚类实验
3.5.1 实验过程
3.5.2 实验结果
3.6 运动分割实验
3.6.1 运动分割的理论
3.6.2 运动分割的实验数据集
3.6.3 运动分割的结果
3.7 本章小结
第四章 局部稀疏流形嵌入的半监督协作子空间聚类
4.1 引言
4.2 局部稀疏流形嵌入
4.3 半监督聚类
4.4 基于局部流形邻近图的半监督子空间聚类
4.5 人脸识别实验
4.5.1 实验数据集
4.5.2 实验过程
4.5.3 实验结果
4.6 本章小结
总结与展望
参考文献
攻读学位期间发表的论文
致谢
【参考文献】：
期刊论文
[1]基于最小二乘回归的分块加权子空间聚类[J]. 李辉,陈晓云. 模式识别与人工智能. 2016(12)
[2]基于混合概率主成分分析的HRRP特征提取[J]. 李彬,李辉. 系统工程与电子技术. 2017(01)
[3]基于Local特征和Regional特征的图像显著性检测[J]. 郭迎春,袁浩杰,吴鹏. 自动化学报. 2013(08)
[4]K-means聚类算法研究综述[J]. 王千,王成,冯振元,叶金凤. 电子设计工程. 2012(07)
[5]聚类算法研究[J]. 孙吉贵,刘杰,赵连宇. 软件学报. 2008(01)
[6]不等式约束优化问题的一个精确增广拉格朗日函数[J]. 杜学武,靳祯. 上海交通大学学报. 2006(09)
[7]图像视觉特征综述[J]. 于昕梅,朱林. 广东通信技术. 2004(S1)
[8]数据挖掘综述[J]. 王光宏,蒋平. 同济大学学报(自然科学版). 2004(02)
博士论文
[1]稀疏约束下的图像分类与特征提取算法研究[D]. 李斐.山东大学 2018
[2]子空间学习及其在图像集分类中的应用研究[D]. 刘博.北京交通大学 2017
[3]基于等距特征映射的非线性降维及其应用研究[D]. 石洁.中国科学技术大学 2017
[4]子空间聚类分析新算法及应用研究[D]. 由从哲.江南大学 2017
[5]流形学习算法及其应用研究[D]. 雷迎科.中国科学技术大学 2011
[6]图像稀疏表示理论及其应用研究[D]. 邓承志.华中科技大学 2008
硕士论文
[1]流形学习与稀疏回归算法在图像监督分类上的应用研究[D]. 张兴瑞.哈尔滨工业大学 2018
[2]基于进化算法的高维数据聚类研究[D]. 杨代君.西安电子科技大学 2014
[3]基于半监督AP算法的电信客户细分研究[D]. 孟奇.河北大学 2014
本文编号：3643457
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3643457.html
最近更新
教材专著
