融合局部结构学习的大规模子空间聚类算法 |
| |
引用本文: | 任奇泽,贾洪杰,陈东宇.融合局部结构学习的大规模子空间聚类算法[J].计算机应用,2023(12):3747-3754. |
| |
作者姓名: | 任奇泽 贾洪杰 陈东宇 |
| |
作者单位: | 江苏大学计算机科学与通信工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(61906077)~~; |
| |
摘 要: | 常规的大规模子空间聚类算法在计算锚点亲和矩阵时忽略了数据之间普遍存在的局部结构,且在计算拉普拉斯(Laplacian)矩阵的近似特征向量时存在较大误差,不利于数据聚类。针对上述问题,提出一种融合局部结构学习的大规模子空间聚类算法(LLSC)。所提算法将局部结构学习嵌入锚点亲和矩阵的学习,从而能够综合利用全局和局部信息挖掘数据的子空间结构;此外,受非负矩阵分解(NMF)的启发,设计一种迭代优化方法以简化锚点亲和矩阵的求解过程;其次,根据Nystr?m近似方法建立锚点亲和矩阵与Laplacian矩阵的数学联系,并改进Laplacian矩阵特征向量的计算方法以提升聚类性能。相较于LMVSC(Large-scale Multi-View Subspace Clustering)、SLSR(Scalable Least Square Regression)、LSC-k(Landmark-based Spectral Clustering using k-means)和k-FSC(k-Factorization Subspace Clustering),LLSC在4个广泛使用的大规模数据集上显示出...
|
关 键 词: | 子空间聚类 局部结构学习 非负矩阵分解 大规模聚类 低秩近似 |
|
|