|
|||||
|
|
| 混合最小二乘回归的稀疏子空间聚类算法 | |
| 作者单位： | ;1.重庆理工大学计算机科学与工程系 |
| 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。 |
| 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 |
SPARSE SUBSPACE CLUSTERING ALGORITHM BASED ON LEAST SQUARES REGRESSION |
|
| Abstract: | |
| Keywords: | |