结构加权相关自适应子空间聚类

• 作者: 李丹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 子空间聚类 相关系数 数据相似度 一致性
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 137-142
• 页数: 6页
• 分类号: TP391
• 字数: 5710字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0243

摘要

针对结构稀疏子空间聚类不能很好地把握数据相似度一致性的问题,提出一种新的子空间聚类优化模型;结构加权相关自适应子空间聚类(Structured Weighted Correlation Adaptive Subspace Clustering,SWCASC)模型.该模型引入数据点的相关性对表示系数施加显式惩罚,同时利用分割和相似度的依赖关系,引入子空间结构范数.该模型使得数据类别标签具有一致性,相似度矩阵具有稀疏性和一致性,并具有自适应性.相似度矩阵的稀疏性有利于将不同子空间的数据分离,而一致性有利于将同一子空间的数据聚集.实验结果表明,该模型获得了理想的聚类效果,并优于其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李丹	西安电子科技大学数学与统计学院	15	271	4.0	15.0