检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

稀疏子空间聚类综述

自动化学报 2015年第8期41卷 1373-1384页

作者：王卫卫李小平冯象初王斯琪西安电子科技大学数学与统计学院西安710126

稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然... 详细信息

稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,但仍有很大的发展空间.本文对已有稀疏子空间聚类方法的模型、算法和应用等方面进行详细阐述,并分析存在的不足,指出进一步研究的方向.

关键词：高维数据子空间聚类稀疏表示低秩表示

在线全文

学校读者我要写书评

暂无评论

基于分布式哈希表的分布式子空间聚类算法

浙江大学学报（工学版） 2010年第2期44卷 225-231页

作者：曲琳周凡田翔陈耀武浙江大学数字技术及仪器研究所浙江杭州310027

提出一种基于分布式哈希表(DHT)的分布式子空间聚类(DISCLUS)算法,该算法对各结点存储的数据分别进行子空间聚类,对聚类结果进行合并,得到分布式系统的聚类结果.针对子空间聚类的特点,提出结果集缩减和结果集剪枝策略对结点间通讯进行优... 详细信息

提出一种基于分布式哈希表(DHT)的分布式子空间聚类(DISCLUS)算法,该算法对各结点存储的数据分别进行子空间聚类,对聚类结果进行合并,得到分布式系统的聚类结果.针对子空间聚类的特点,提出结果集缩减和结果集剪枝策略对结点间通讯进行优化.为实现结点聚类结果合并,提出分布式表决算法(DDV).该算法利用底层覆盖网的拓扑结构进行层次化表决信息收集,在动态网络环境中实现了对所有结点的无冗余覆盖.理论分析和实验表明,DISCLUS算法的聚类误差和通讯性能能够较好地适应系统数据集规模、网络规模和数据空间维度的增加.

关键词：对等网络子空间聚类分布式哈希表(DHT) 分布式表决

在线全文

学校读者我要写书评

暂无评论

拉普拉斯正则化双曲正切低秩子空间聚类算法

控制与决策 2018年第1期33卷 163-168页

作者：张桂玲杜艳梦天津工业大学计算机科学与软件学院天津300387

传统的低秩表示模型LRR对高维数据聚类精确度低,针对这一情况提出一种基于拉普拉斯正则化双曲正切函数低秩子空间聚类算法(LRHT-LRSC).该算法利用双曲正切函数代替核范数以便更紧凑地逼近秩函数,并利用拉普拉斯正则项刻画数据本身的几... 详细信息

传统的低秩表示模型LRR对高维数据聚类精确度低,针对这一情况提出一种基于拉普拉斯正则化双曲正切函数低秩子空间聚类算法(LRHT-LRSC).该算法利用双曲正切函数代替核范数以便更紧凑地逼近秩函数,并利用拉普拉斯正则项刻画数据本身的几何结构,提高了数据聚类的准确率;然后构建数据样本的系数矩阵和相似矩阵;最后利用谱聚类方法得到最终的聚类结果.在合成数据集、真实数据集Extended Yale B和Hopkins 155上的对比实验结果表明,LRHT-LRSC能够提高聚类的准确率和鲁棒性.

关键词：子空间聚类低秩表达拉普拉斯双曲正切函数

在线全文

学校读者我要写书评

暂无评论

分布式低秩张量子空间聚类算法

华南理工大学学报（自然科学版） 2019年第8期47卷 77-83,95页

作者：刘小兰潘凎易淼李植鹏华南理工大学数学学院广东广州510640 南京大学计算机软件新技术国家重点实验室江苏南京210023 宜春学院物理科学与工程技术学院江西宜春336000 华南理工大学计算机科学与工程学院广东广州510006

现有基于低秩表示的子空间聚类算法(LRR)无法有效地处理大规模数据,聚类正确率不高,以及分布式低秩子空间聚类算法(DFC-LRR)不能直接处理高维数据.为此,文中提出了一种基于张量和分布式方法的子空间聚类算法.该算法首先将高维数据视为张... 详细信息

现有基于低秩表示的子空间聚类算法(LRR)无法有效地处理大规模数据,聚类正确率不高,以及分布式低秩子空间聚类算法(DFC-LRR)不能直接处理高维数据.为此,文中提出了一种基于张量和分布式方法的子空间聚类算法.该算法首先将高维数据视为张量,在数据的自表示中引入张量乘法,从而将LRR子空间聚类算法拓展到高维数据;然后采用分布式并行计算得到低秩表示的系数张量,并对系数张量的每个侧面切片稀疏化,得到稀疏相似度矩阵.在公开数据集Extended YaleB、COIL20和UCSD上与DFC-LRR的对比实验结果表明,文中算法能有效地提高聚类正确率,且分布式计算能明显降低算法的运行时间.

关键词：低秩表示子空间聚类分布式计算张量

在线全文

学校读者我要写书评

暂无评论

隐式低秩稀疏表示的多视角子空间聚类

模式识别与人工智能 2020年第4期33卷 344-352页

作者：张茁涵曹容玮李晨程士卿西安交通大学软件学院西安710049

针对多视角子空间聚类问题,提出基于隐式低秩稀疏表示的多视角子空间聚类算法(LLSMSC).算法构建多个视角共享的隐式结构,挖掘多视角之间的互补性信息.通过对隐式子空间的表示施加低秩约束和稀疏约束,捕获数据的局部结构和稀疏结构,使聚... 详细信息

针对多视角子空间聚类问题,提出基于隐式低秩稀疏表示的多视角子空间聚类算法(LLSMSC).算法构建多个视角共享的隐式结构,挖掘多视角之间的互补性信息.通过对隐式子空间的表示施加低秩约束和稀疏约束,捕获数据的局部结构和稀疏结构,使聚类结果更准确.同时,使用基于增广拉格朗日乘子交替方向最小化算法高效求解优化问题.在6个不同数据集上的实验验证LLSMSC的有效性和优越性.

关键词：子空间聚类低秩约束稀疏约束隐式表示

在线全文

学校读者我要写书评

暂无评论

基于分布式低秩表示的子空间聚类算法

计算机研究与发展 2016年第7期53卷 1605-1611页

作者：许凯吴小俊尹贺峰江南大学物联网工程学院江苏无锡214122

针对基于低秩表示的子空间分割算法运算时间较长、聚类的准确率也不够高,提出一种基于分布式低秩表示的稀疏子空间聚类算法(distributed low rank representation-based sparse subspace clustering algorithm,DLRRS),该算法采用分布式... 详细信息

针对基于低秩表示的子空间分割算法运算时间较长、聚类的准确率也不够高,提出一种基于分布式低秩表示的稀疏子空间聚类算法(distributed low rank representation-based sparse subspace clustering algorithm,DLRRS),该算法采用分布式并行计算来得到低秩表示的系数矩阵,然后保留系数矩阵每列的前k个绝对值最大系数,其他系数置为0,用此系数矩阵构造一个稀疏的样本关系更突出的相似度矩阵,接着用谱聚类得到聚类结果.但是其不具备增量学习功能,为此再提出一种基于分布式低秩表示的增量式稀疏子空间聚类算法(scalable distributed low rank representation based sparse subspace clustering algorithm,SDLRRS),如果有新增样本,可以利用前面的聚类结果对新增样本进行分类得到最后的结果.实验结果表明:所提2种子空间聚类算法不仅有效减少算法的运算时间,还提高了聚类的准确率,从而验证算法是有效可行的.

关键词：低秩表示子空间聚类并行计算增量学习系数重建

联合lp/l2,p范数极小化的序列子空间聚类算法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2020年第3期33卷 221-233页

作者：胡文玉李声豪涂志辉易云赣南师范大学数学与计算机科学学院赣州341000

为了有效挖掘序列数据的时空信息,提出联合l p和l 2,p范数极小化的序列子空间聚类算法.首先,定义依赖于样本距离的权重,构造基于l 2,p范数的时序图,刻画数据在时间维度上的局部相似性.然后,考虑到非凸l p 0 详细信息

为了有效挖掘序列数据的时空信息,提出联合l p和l 2,p范数极小化的序列子空间聚类算法.首先,定义依赖于样本距离的权重,构造基于l 2,p范数的时序图,刻画数据在时间维度上的局部相似性.然后,考虑到非凸l p 0

关键词：子空间聚类序列数据稀疏编码低秩表示

基于改进Trace Lasso范数和PALM算法的子空间聚类方法

在线全文

学校读者我要写书评

暂无评论

内蒙古师范大学学报(自然科学版) 2025年第1期 92-100页

作者：药嘉怡张文娟黄姝娟袁薛程西安工业大学基础学院西安工业大学计算机科学与工程学院

子空间聚类是一类广泛应用的聚类方法，其中最关键的技术是表示矩阵的获取，为使表示矩阵更好地满足块对角结构，提出一种基于改进迹Lasso范数和PALM算法的子空间聚类方法。首先，将原始数据减去噪声所得干净数据作为数据自表示的字典... 详细信息

子空间聚类是一类广泛应用的聚类方法，其中最关键的技术是表示矩阵的获取，为使表示矩阵更好地满足块对角结构，提出一种基于改进迹Lasso范数和PALM算法的子空间聚类方法。首先，将原始数据减去噪声所得干净数据作为数据自表示的字典，能够促使表示矩阵更接近块对角结构；其次，提出一种改进的迹Lasso范数，利用非凸FCP范数约束矩阵的奇异值向量，能更好促使矩阵满足低秩性；最后，由于提出模型的非凸非光滑性及约束条件的非线性，利用近端交替线性极小化算法求解模型，具有收敛性保证。在CFP人脸数据集和动物面部图像数据集上进行聚类的数值实验表明，提出的子空间聚类方法相比于普遍应用的K-means聚类、谱聚类及稀疏子空间聚类有更好的聚类性能。

关键词：子空间聚类迹Lasso范数非凸FCP范数近端交替线性最小化

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

采用联合熵矩阵的子空间聚类算法

北京邮电大学学报 2014年第3期37卷 104-108页

作者：牛琨张舒博赵方北京邮电大学软件学院北京100876 中国电信股份有限公司北京研究院市场研究部北京100035

为了解决现有子空间聚类算法时间复杂度偏高和对输入参数敏感的问题,提出了一种基于联合熵矩阵的子空间聚类算法.通过计算每个属性实例分布的熵降维,计算任意两个维度的联合熵,形成联合熵矩阵,在联合熵矩阵中搜索最高阶全1子矩阵作为兴... 详细信息

为了解决现有子空间聚类算法时间复杂度偏高和对输入参数敏感的问题,提出了一种基于联合熵矩阵的子空间聚类算法.通过计算每个属性实例分布的熵降维,计算任意两个维度的联合熵,形成联合熵矩阵,在联合熵矩阵中搜索最高阶全1子矩阵作为兴趣子空间,最后在兴趣子空间完成聚类.在人工数据集和公开数据集上的实验表明,与传统子空间聚类算法相比,新算法能以较低的开销识别维度更高的兴趣度子空间.

关键词：子空间聚类联合熵兴趣子空间