黄,华;王伟伟;陆成武;冯向初;何瑞强 边信息诱导的重加权稀疏子空间聚类。 (英语) Zbl 1476.62136号 J.工业管理。最佳方案。 17,第3期,1235-1252(2021). 摘要:子空间聚类将来自多个子空间联合的数据集合分割为簇,每个簇对应一个子空间。数据集的几何信息反映了其内在结构,可以用于辅助分割。在本文中,我们提出了用于高维数据聚类的边信息诱导重加权稀疏子空间聚类(SRSSC)。在我们的方法中,利用目标空间中高维数据点的几何信息来诱导子空间聚类作为边信息。我们通过迭代重加权l_1范数最小化来求解该方法,以获得数据的自表示系数,并使用谱聚类框架对数据进行分割。我们将所提出的算法与使用合成数据和三个著名实际数据集的一些最新算法进行了性能比较。我们提出的SRSSC算法是最简单但最有效的。在实验中,这些聚类算法的结果验证了我们提出的算法的有效性。 MSC公司: 62H30型 分类和区分;聚类分析(统计方面) 68吨10 模式识别、语音识别 90C26型 非凸规划,全局优化 关键词:子空间聚类;几何信息;高维数据;\(l_1\)-最小化;光谱聚类;自我介绍 软件:CVX公司;线圈-20 PDF格式BibTeX公司 XML格式引用 \textit{H.Huang}等人,J.Ind.Manag。最佳方案。17,编号3,1235--1252(2021;Zbl 1476.62136) 全文: 内政部 参考文献: [1] R.G.Baraniuk等人,稀疏表示和压缩传感的应用[扫描问题],IEEE 98会议记录, 6 (2010), 906-909. [2] S.Boyd等人通过乘法器的交替方向方法进行的分布式优化和统计学习,机器学习的基础和趋势, 3 (2010), 1-122. ·Zbl 1229.90122号 [3] M.Brbić和I.Kopriva,(\ell_0)-动机低库稀疏子空间聚类,IEEE控制论汇刊,2018年。 [4] M.Brbić和I.Kopriva,(\ell_0)-动机低秩稀疏子空间聚类《IEEE控制论汇刊》,2018年·兹比尔1176.94014 ·doi:10.1007/s00041-008-9045-x [5] E.J.Candes;M.B.Wakin;S.P.Boyd,通过重加权(l_1)最小化增强稀疏性,傅里叶分析与应用杂志,14877-905(2008)·兹比尔1176.94014 ·doi:10.1007/s00041-008-9045-x [6] 陈海忠,等,判别和相干子空间聚类,神经计算, 284 (2018), 177-186. [7] 陈海忠,王文伟,冯晓峰,群内效应结构稀疏子空间聚类,模式识别,(2018),S0031320318301948。 [8] E.Elhamifar;R.Vidal,稀疏子空间聚类:算法、理论和应用,IEEE模式分析和机器智能汇刊,352765-2781(2013) [9] M.Fazel、H.Hindi和S.P.Boyd,矩阵秩最小化的对数集启发式及其在Hankel和Euclidean距离矩阵中的应用。,美国控制会议,2003年IEEE会议记录, (2003). [10] A.S.Georghiades;P.N.Belhumeur;D.J.Kriegman,从少到多:可变光照和姿势下人脸识别的照明锥模型,IEEE模式分析和机器智能汇刊,23643-660(2001) [11] I.F.Gorodnitsky;B.D.Rao,使用FOCUSS从有限数据重建稀疏信号:加权最小范数算法,IEEE信号处理汇刊,45600-616(2002) [12] M.Grant、S.Boyd和Y.Ye,CVX:规范凸规划的Matlab软件(2008)。 [13] 胡浩,林志林,冯建军,等,光滑表示聚类,IEEE计算机视觉和模式识别会议记录,(2014),3834-3841。 [14] J.J.Hull,手写文本识别研究数据库,IEEE传输。模式分析。机器。智力。,第16页(1994年)·Zbl 0433.93018号 ·doi:10.1109/TAC.1980.1102314 [15] V.C.Klema;A.J.Laub,奇异值分解:其计算和一些应用,IEEE自动控制汇刊,25164-176(1980)·Zbl 0433.93018号 ·doi:10.1109/TAC.1980.1102314 [16] V.P.Kshirsagar、M.R.Baviskar和M.E.Gaikwad,基于特征脸的人脸识别,国际计算机研究与开发会议,2011年。 [17] K.C.Lee;何俊杰;D.J.Kriegman,获取可变光照下人脸识别的线性子空间,IEEE模式分析与机器智能汇刊,27684-698(2005)·Zbl 1409.94342号 ·doi:10.1109/TIP.2017.2691557 [18] C.-G.Li;C.您;R.维达尔。,结构化稀疏子空间聚类:联合亲和学习和子空间聚类框架,IEEE图像处理汇刊,262988-3001(2017)·Zbl 1054.68124号 ·doi:10.1109/TIP.2017.2691557 [19] C.L.Liu等人,《手写数字识别:最新技术的基准测试》,模式识别, 36 (2003), 2271-2285. ·Zbl 1054.68124号 [20] G.C.Liu等人,用低秩表示实现子空间结构的稳健恢复,IEEE模式分析和机器智能汇刊, 35 (2013), 171-184. [21] 吕春云,闵海明,赵志强,等,基于最小二乘回归的稳健高效子空间分割,欧洲计算机视觉会议。施普林格、柏林、海德堡, (2012), 347-360. ·数字对象标识代码:10.1007/s11222-007-9033-z [22] U.von Luxburg,《光谱聚类、统计和计算教程》,17,395-416(2007)·数字对象标识代码:10.1007/s11222-007-9033-z [23] S.A.Nene、S.K.Nayar和H.Murase,哥伦比亚对象图像库(COIL-20)(CUCS-005-96)哥伦比亚大学计算机科学系,1996年。 [24] N.R.Pal;K.P.Sankar,图像分割技术综述,模式识别,261277-1294(1993) [25] P.Wang等人。,结构重加权稀疏子空间聚类,《神经处理快报》,2018。 [26] 史建斌;J.Malik,标准化切割和图像分割,IEEE模式分析和机器智能汇刊,22888-905(2000)·Zbl 1411.62212号 ·doi:10.1111/j.1467-9868.2011.00771.x [27] R.Tibshirani,《通过LASSO进行回归收缩和选择:回顾》。,英国皇家统计学会杂志。B系列:方法论,73273-282(2011)·Zbl 1411.62212号 ·doi:10.1111/j.1467-9868.2011.00771.x [28] C.托马西;T.Kanade,正字法下图像流的形状和运动:因子分解方法,国际计算机视觉杂志,9137-154(1992) [29] R.Tron和R.Vidal,三维运动分割算法比较基准2007年IEEE计算机视觉和模式识别会议IEEE计算机学会,2007年。 [30] R.Vidal,子空间聚类,信号处理杂志IEEE,28,52-68(2011)·兹比尔1409.94626 ·doi:10.1109/TIP.2018.2806278 [31] 王文伟;陈春云;陈海钟;X.C.Feng,统一判别和相干半监督子空间聚类,IEEE图像处理汇刊,272461-2470(2018)·Zbl 1409.94626号 ·doi:10.1109/TIP.2018.2806278 [32] 王文伟;吴昌良,基于相关自适应加权回归的图像分割,神经计算,267426-435(2017) [33] 王文伟;B.张;X.Feng,通过相关自适应回归进行子空间分割,IEEE视频技术电路与系统汇刊,99,1-1(2017) [34] J.W.Wong,信噪比(SNR)《放射肿瘤学百科全书》,2013年。 [35] 徐建军,徐克强,陈克强等,重加权稀疏子空间聚类,计算机视觉与图像理解, 138 (2015), 25-37. [36] J.Y.Yan和M.Pollefeys,运动分割的一般框架:独立、铰接、刚性、非刚性、退化和非退化《计算机视觉—ECCV 2006》,2006年。 [37] Y.Yang,J.Feng,N.Jojic等人,(ell^0)-稀疏子空间聚类,欧洲计算机视觉会议,斯普林格,查姆, (2016), 731-747. ·Zbl 1259.68207号 ·doi:10.1007/s11263-012-0535-6 [38] T.Zhang;A.Szlam;Y.Wang;G.Lerman,通过当地最适合的平底鞋进行混合线性建模,《国际计算机视觉杂志》,100217-240(2012)·Zbl 1259.68207号 ·doi:10.1007/s11263-012-0535-6 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。