混合最小二乘回归的稀疏子空间聚类算法

• 作者: 严亮 张强 王越
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 稀疏子空间聚类 最小二乘回归 谱聚类 运动分割 人脸聚类
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 236-240
• 页数: 5页
• 分类号: TP391.1
• 字数: 3286字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.10.042

摘要

稀疏子空间聚类的关键在于在求得真实反映数据集的相似度矩阵,然后将相似度矩阵代入谱聚类求解.相似度矩阵既要刻画数据集的子空间特性,同时也要反映出同一类数据点之间的两两相关程度,稀疏子空间聚类(SSC)专注于每一个数据表示系数的最大稀疏性,缺乏对数据集全局结构的描述;最小二乘回归(LSR)保证了同一类数据的结构相关性,但是不够稀疏.将最小二乘回归引入稀疏子空间聚类算法中,从而保证数据的相似度矩阵兼具稀疏性和分组效应.在运动分割和人脸聚类的实验中,将该算法和SSC、LSR算法对比,可以发现该算法在准确率上的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王越	重庆理工大学计算机科学与工程系	50	351	12.0	16.0
2	张强	重庆理工大学计算机科学与工程系	7	16	2.0	3.0
3	严亮	重庆理工大学计算机科学与工程系	2	3	1.0	1.0