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。