稀疏样本自表达子空间聚类算法

• 作者: 李永钢 杨利锋 林大华 罗 邓振云
• 来源期刊: 智能系统学报
• 学科: 工学
• 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
• 年，卷（期）: 2016,（5）
• 页码范围: 696-702
• 页数: 7页
• 分类号: TP181
• 字数: 5831字
• 语种: 中文
• DOI: 10.11992/tis.201601005

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨利锋	广西师范大学广西多源信息挖掘与安全重点实验室	3	10	1.0	3.0
2	邓振云	广西师范大学广西多源信息挖掘与安全重点实验室	6	78	4.0	6.0
3	李永钢	广西师范大学广西多源信息挖掘与安全重点实验室	7	20	3.0	4.0
4	罗	广西师范大学广西多源信息挖掘与安全重点实验室	1	8	1.0	1.0