×
甄良丽；彭德忠；王伟；姚欣

稳健子空间聚类的核截断回归表示。 （英语） Zbl 1458.62093号

信息科学。 524，59-76（2020）。
摘要：子空间聚类旨在将数据点分组为多个簇，每个簇对应一个子空间。现有的大多数子空间聚类方法都假设输入数据位于线性子空间上。然而，在实践中，这种假设通常不成立。为了实现非线性子空间聚类，我们提出了一种新的方法，称为核截断回归表示。我们的方法包括以下四个步骤：1）将输入数据投影到一个隐藏空间，其中每个数据点可以由其他数据点线性表示；2） 计算隐藏空间中数据表示的线性表示系数；3） 截断平凡系数以实现鲁棒性和块二对角性；以及4）通过求解图的拉普拉斯问题对系数矩阵执行图切割操作。我们的方法具有封闭解的优点，并且能够聚类位于非线性子空间上的数据点。第一个优点使我们的方法能够有效地处理大规模数据集，第二个优点使所提出的方法能够克服非线性子空间聚类的挑战。在六个基准上的大量实验表明，与当前最先进的方法相比，该方法的有效性和效率。

引用于4文件

MSC公司：

62G08号 非参数回归和分位数回归
62H30型 分类和区分；聚类分析（统计方面）

关键词：

核截断回归；非线性子空间聚类；光谱聚类；内核技术

软件：

线圈-20；线圈100
PDF格式BibTeX公司 XML格式引用
\textit{L.Zhen}等人，《信息科学》。524、59--76（2020年；Zbl 1458.62093）
全文： 内政部 arXiv公司

参考文献：

[1] 美国科罗拉多州柯林斯堡。
[2] 蔡，D。；何，X。；Han，J。；Huang，T.S.，数据表示的图正则化非负矩阵分解，IEEE。事务处理。模式分析。机器。智力。，33, 8, 1548-1560 (2011)
[3] Chen，W.Y。；Song，Y。；Bai，H。；Lin，C.J。；Chang，E.Y.，分布式系统中的并行谱聚类，IEEE Trans。模式分析。机器。智力。，33, 3, 568-586 (2011)
[4] Cheng，B。；杨，J。；Yan，S。；Fu，Y。；Huang，T.S.，学习ℓ^1-图像分析图，IEEE Trans。图像处理。，19, 4, 858-866 (2010) ·Zbl 1371.68229号
[5] Chitta，R。；金·R。；哈文斯，T.C。；Jain，A.K.，《近似核K-means:大规模核聚类的解决方案》，《ACM SIGKDD知识发现和数据挖掘国际会议论文集》，美国加利福尼亚州圣地亚哥，895-903（2011）
[6] Elhamifar，E。；Vidal，R.，《稀疏流形聚类与嵌入》，《神经信息处理系统进展论文集》，西班牙格拉纳达，55-63（2011）
[7] Elhamifar，E。；Vidal，R.，《稀疏子空间聚类：算法、理论和应用》，IEEE Trans-Pattern Ana Mach Intell，35，11，2765-2781（2013）
[8] 范，J。；Wang，J.，基于神经动力学优化的两阶段模糊聚类算法及其在polsar图像分割中的应用，IEEE Trans。模糊系统。，26, 1, 72-83 (2018)
[9] Gibbons，J.D。；Chakraborti，S.，非参数统计推断（2011），施普林格·兹比尔1278.62004
[10] C.Goutte，E.Gaussier，《精确性、召回率和F-score的概率解释及其对评估的影响》，Springer，第345-359页。
[11] He，R。；Zhang，Y。；Sun，Z。；Yin，Q.，复杂噪声下的鲁棒子空间聚类，IEEE Trans。图像处理。，24, 11, 4001-4013 (2015) ·Zbl 1408.94239号
[12] 休伯特，L。；Arabie，P.，比较分区，分类杂志，2，1，193-218（1985）
[13] Hull，J.J.，《手写文本识别研究数据库》，IEEE Trans。模式分析。机器。英特尔，16，5，550-554（1994）
[14] 吉，P。；张，T。；李，H。；Salzmann，M。；Reid，I.，深子空间聚类网络，《神经信息处理系统国际会议论文集》，美国，23-32（2017）
[15] 康，Z。；潘，H。；海，S.C。；Xu，Z.，从噪声数据中鲁棒图学习，IEEE Trans。赛博。，新闻（2019）
[16] 康，Z。；彭，C。；Cheng，Q.，内核驱动的相似性学习，神经计算，267，210-219（2017）
[17] 康，Z。；周，W。；赵，Z。；邵，J。；Han，M。；Xu，Z.，线性时间内的大尺度多视点子空间聚类，AAAI人工智能会议论文集，美国纽约（2020）
[18] LeCun，Y。；博图，L。；Y.本吉奥。；Haffner，P.，《基于梯度的学习在文档识别中的应用》，美国电气与电子工程师协会论文集，86，1122278-2324（1998）
[19] Lee，K.C。；Ho，J。；Kriegman，D.J.，获取可变照明下人脸识别的线性子空间，IEEE Trans。模式分析。机器。智力。，27, 5, 684-698 (2005)
[20] 李，Z。；刘杰。；Tang，J。；Lu，H.，数据表示的鲁棒结构化子空间学习，IEEE Trans。《模式分析-马赫数智能》，37、10、2085-2098（2015）
[21] 李，Z。；Tang，J。；He，X.，图像表示的稳健结构非负矩阵分解，IEEE Trans Neural Netw Learn Syst，29，5，1947-1960（2017）
[22] 刘，G。；林，Z。；Yan，S。；Sun，J。；Yu，Y。；Ma，Y.，通过低秩表示实现子空间结构的稳健恢复，IEEE Trans。模式分析。机器。智力。，35, 1, 171-184 (2013)
[23] 刘，G。；Yan，S.，子空间分割和特征提取的潜在低阶表示，《计算机视觉国际会议论文集》，西班牙巴塞罗那，1615-1622（2011）
[24] 卢，C。；Tang，J。；林，M。；林，L。；Yan，S。；Lin，Z.，稳健子空间聚类的Corr.entropy诱导L2图，计算机视觉国际会议论文集，澳大利亚悉尼，1801-1808（2013）
[25] 加拿大不列颠哥伦比亚省温哥华
[26] 聂，F。；曾，Z。；Tsang，I.W。；徐，D。；Zhang，C.，Spectral嵌入式聚类：样本内和样本外光谱聚类的框架，IEEE Trans。神经网络，22，11，1796-1808（2011）
[27] 帕森斯，L。；哈克，E。；Liu，H.，高维数据的子空间聚类：综述，SIGKDD Explor。，6, 1, 90-105 (2004)
[28] 帕特尔，V.M。；Vidal，R.，《核稀疏子空间聚类》，《图像处理国际会议论文集》，2849-2853（2014），IEEE:IEEE巴黎，法国
[29] 彭，X。；冯，J。；肖，S。；尤·W。；Zhou，J.T。；Yang，S.，用于子空间聚类的结构化自动编码器，IEEE Trans。图像处理。，27, 10, 5076-5086 (2018)
[30] 彭，X。；卢，J。；Yi，Z。；Yan，R.，通过主系数嵌入实现子空间自动学习，IEEE Trans-Cybern，47，11，3583-3596（2017）
[31] 彭，X。；Tang，H。；张，L。；Yi，Z。；Xiao，S.，《样本外大规模数据基于表示的子空间聚类的统一框架》，IEEE Trans。神经网络。学习。系统。，27, 12, 2499-2512 (2016)
[32] 彭，X。；于，Z。；Yi，Z。；Tang，H.，构建鲁棒子空间学习和子空间聚类的l2-graph，IEEE Trans。赛博。，47, 4, 1053-1066 (2017)
[33] 彭，X。；张，L。；Yi，Z.，可缩放稀疏子空间聚类，IEEE计算机视觉和模式识别会议论文集，430-437（2013）
[34] Rao，S.R。；特隆·R。；维达尔，R。；Ma，Y.，在存在边远、不完整或损坏轨迹的情况下通过鲁棒子空间分离进行运动分割，IEEE计算机视觉和模式识别会议论文集，美国阿拉斯加，1-8（2008）
[35] S.A.Nene，S.K.N。；Murase，H.，哥伦比亚对象图像库（COIL-100），报告（1996），哥伦比亚大学
[36] S.A.Nene，S.K.N。；Murase，H.，哥伦比亚对象图像库（COIL-20），报告（1996），哥伦比亚大学
[37] Seung，H.S。；Lee，D.D.，《感知的多种方式》，《科学》，29055002268-2269（2000）
[38] 肖-泰勒，J。；Cristianini，N.，《模式分析的内核方法》（2004），剑桥大学出版社
[39] Soltanolkotabi，M。；Elhamifar，E。；Cands，E.J.，稳健子空间聚类，《统计年鉴》，42，2，669-699（2014）·Zbl 1360.62353号
[40] 维达尔，R。；马云（Ma，Y.）。；Sastry，S.，广义主成分分析，IEEE Trans。图案。分析。机器。智力。，27, 12, 1945-1959 (2005)
[41] Von Luxburg，U.，光谱聚类教程，统计计算，17，4，395-416（2007）
[42] 王，Y。；Tang，Y.Y。；Li，L.，稳健子空间聚类的基于最小误差熵的稀疏表示，IEEE Trans。信号处理。，63, 15, 4010-4021 (2015) ·Zbl 1394.94813号
[43] 肖，S。；Tan，M。；徐，D。；Dong，Z.Y.，稳健核低秩表示，IEEE Trans。神经网络。学习。系统。，2268-2281年11月27日（2015年）
[44] Yan博士。；黄，L。；Jordan，M.I.，《快速近似谱聚类》，《ACM SIGKDD知识发现和数据挖掘国际会议论文集》，法国巴黎，907-916（2009）
[45] 严，J。；Pollefeys，M.，运动分割的一般框架：独立、铰接、刚性、非刚性、退化和非退化，《欧洲计算机视觉会议论文集》，94-106（2006），施普林格：奥地利施普林格格拉茨
[46] Zhen，L。；李，M。；彭，D。；Yao，X.，可视化多目标解决方案集的目标约简，信息科学。，512, 278-294 (2020)
[47] Zhen，L。；彭，D。；Yi，Z。；Xiang，Y。；Chen，P.，使用稀疏编码的欠定盲源分离，IEEE Trans。神经系统。Netw公司。学习。系统。，28, 12, 3102-3108 (2017)
[48] Zhen，L。；Yi，Z。；彭，X。；彭丹，图像聚类的局部线性表示，电子快报。，50, 13, 942-943 (2014)
[49] 周，P。；Hou，Y。；Feng，J.，深度对抗子空间聚类，IEEE计算机视觉和模式识别会议论文集，1596-1604（2018）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。