李占芳¹，李慧云²，刘新为¹

1. 河北工业大学数学研究院,天津 300401; 2. 河北工业大学人工智能与数据科学学院,天津 300401

出版日期:2018-08-25发布日期:2018-10-12

A Subspace Clustering Method Based on Class-Wise Sparse and Low-Rank Representation

LI Zhanfang¹ ,LI Huiyun² ,LIU Xinwei¹

1. Institute of Mathematics, Hebei University of Technology, Tianjin 300401; 2. School of Artificial Intelligence and Data Science, Hebei University of Technology, Tianjin 300401

Online:2018-08-25Published:2018-10-12







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

近年来低秩表示和稀疏表示用于子空间聚类的研究得到了广泛关注, 文献中已有许多相关的子空间聚类方法. 文章结合弹性网正则化低秩表示和分类稀疏表示, 提出一种分类稀疏低秩表示的子空间聚类方法. 方法旨在更充分地捕获数据集的局部线性结构和全局结构信息, 提高聚类性能. 首先采用并行分裂的自适应惩罚的线性交替方向法求解模型, 然后利用求得的系数矩阵构造相似度矩阵, 最后应用谱聚类方法进行聚类. 另外, 取代现有方法手动调节正则化参数, 文章采用自适应调节正则化参数确定目标函数中各项的权重. 在人工数据集、Extended Yale B~数据库和~CMU PIE~数据库上的实验结果表明, 文章方法有更明显的聚类效果和更高的准确率.

分享此文:

()

[1]	肖成龙，张重鹏，王珊珊，张睿，王万里，魏宪. 基于流形正则化与成对约束的深度半监督谱聚类算法[J]. 系统科学与数学, 2020, 40(8): 1325-1341.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13423