隐子空间聚类算法的改进及其增量式算法

• 作者: 王士同 董琪
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 子空间聚类 隐子空间聚类(LSC) 判别式字典训练 增量式字典训练
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 802-813
• 页数: 12页
• 分类号: TP391
• 字数: 8579字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1601005

摘要

基于稀疏表示的隐子空间聚类(latent subspace clustering,LSC)算法,相对于传统的子空间聚类算法,具有更快的聚类速度,使其适用于更大的数据集,但是其存在字典训练具有随机性,占用内存过多等缺陷.参照LC-KSVD字典训练算法的思想,通过将一部分信号的标签信息添加进字典训练阶段,以此提高了字典的判别性,进而提出了聚类精度更好的ILSC (improved LSC)算法.但相比于LSC算法,ILSC算法在字典训练阶段的耗时却大幅增加,针对此缺陷,参照增量字典训练的思想,提出了ILSC算法的增量式聚类算法I2LSC (incremental ILSC),在确保聚类精度、NMI(normalized mutual information)、RI(Rand index)值高于LSC且与ILSC相当的同时,较之ILSC具有更快的运行速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	董琪	江南大学数字媒体学院	2	6	1.0	2.0