10.3969/j.issn.1000-386x.2017.10.042
混合最小二乘回归的稀疏子空间聚类算法
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.
稀疏子空间聚类、最小二乘回归、谱聚类、运动分割、人脸聚类
34
TP391.1(计算技术、计算机技术)
2018-01-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
236-240