半监督子空间聚类研究及其应用

发布时间：2022-10-18 19:07

　　计算机视觉和机器学习中无处不在的大型、复杂的高维数据使得子空间聚类问题应运而生,其目的是将数据分割成若干低维子空间。通过利用相对有限的已知标签数据和充足的未知标签数据,使得半监督子空间聚类更加有效、实用并且更加流行。对于准确的半监督子空间聚类,标签信息应该充分地用来预测未知标签。因此在半监督子空间聚类中,最重要的是如何充分利用已知的标签信息来推断未知的标签。在这一工作中,我们提出了一个新的包含预测标签矩阵和相似度矩阵的正则项来保证相似度矩阵的类内一致性和聚类标签的类间区别性。我们将其与现有方法中的流形光滑项和高斯场以及调和函数法相结合,为半监督子空间聚类提供了一个新的统一优化框架。分析表明新提出的方法可以充分地结合相似度矩阵和标签矩阵使其相互指引并且具有类内一致性和类间区别性。此外,线性回归作为最重要的机器学习技术之一,通常可以将图像特征映射为连续或离散的值。因此,在第三章工作的基础上,我们在学习相似度矩阵的过程中学习了一个类似于分类器的线性回归映射,其可以将相似度矩阵转化为标签矩阵。这样既保证了相似度矩阵的类内一致性和标签的类间区别性,同时也可以学习一个线性映射将相似度矩阵转换为标签... 

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 半监督子空间聚类研究背景
    1.2 半监督子空间聚类研究现状
    1.3 本文内容安排
第二章 子空间聚类方法介绍
    2.1 基础理论
        2.1.1 矩阵论相关知识
        2.1.2 线性回归
    2.2 经典的无监督子空间聚类方法
        2.2.1 稀疏子空间聚类方法
        2.2.2 低秩表示模型
    2.3 相关的半监督子空间聚类方法
        2.3.1 两阶段半监督子空间聚类方法
        2.3.2 统一框架的半监督子空间聚类方法
    2.4 算法性能评价指标
第三章 区别性和一致性的半监督子空间聚类模型
    3.1 引言
    3.2 区别性和一致性的半监督子空间聚类模型
        3.2.1 模型的建立
        3.2.2 模型的求解
        3.2.3 算法的复杂度分析
    3.3 仿真实验及分析
        3.3.1 在Extended Yale B数据库上的仿真实验
        3.3.2 在Yale数据库上的仿真实验
        3.3.3 在COIL20数据库上的仿真实验
        3.3.4 在ORL数据库上的仿真实验
    3.4 本章小结
第四章 基于线性回归的区别性和一致性半监督子空间聚类
    4.1 相关工作
    4.2 基于线性回归的区别性和一致性半监督子空间聚类
        4.2.1 模型的建立
        4.2.2 模型的求解
    4.3 仿真实验及分析
        4.3.1 在Extended Yale B数据库上的仿真实验
        4.3.2 在Yale数据库上的仿真实验
        4.3.3 在COIL20数据库上的仿真实验
        4.3.4 在ORL数据库上的仿真实验
    4.4 本章小结
第五章 总结与展望
    5.1 本文主要工作
    5.2 相关工作展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]稀疏子空间聚类综述[J]. 王卫卫,李小平,冯象初,王斯琪.  自动化学报. 2015(08)
[2]图像分割的加权稀疏子空间聚类方法[J]. 李涛,王卫卫,翟栋,贾西西.  系统工程与电子技术. 2014(03)
[3]非凸低秩稀疏约束的图像超像素分割方法[J]. 张文娟,冯象初.  西安电子科技大学学报. 2013(05)
[4]谱聚类算法综述[J]. 蔡晓妍,戴冠中,杨黎斌.  计算机科学. 2008(07)



本文编号：3692886