稀疏条件下的重叠子空间聚类算法

• 作者: 刘兴 刘大千 费博雯 邱云飞
• 来源期刊: 计算机应用研究
• 关键词: 重叠子空间聚类 混合范数 重叠概率模型 指数族分布
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 657-662
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.08.0904

摘要

现有子空间聚类算法不能很好地平衡子空间数据的稠密性和不同子空间数据稀疏性的关系,且无法处理数据的重叠问题.针对上述问题,提出一种稀疏条件下的重叠子空间聚类(OSCSC)算法.算法利用l1范数和Frobenius范数的混合范数表示方法建立子空间表示模型,并对l1范数正则项进行加权处理,提高不同子空间的稀疏性和同一子空间的稠密性;然后对划分好的子空间使用一种服从指数族分布的重叠概率模型进行二次校验,判断不同子空间数据的重叠情况,进一步提高聚类的准确率.在人造数据集和真实数据集上分别进行测试,实验结果表明,OSCSC算法能够获得良好的聚类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱云飞	辽宁工程技术大学软件学院	70	620	13.0	22.0
2	刘大千	辽宁工程技术大学电子与信息工程学院	15	59	5.0	7.0
3	费博雯	辽宁工程技术大学工商管理学院	15	65	5.0	7.0
4	刘兴	辽宁工程技术大学软件学院	2	2	1.0	1.0