×
薛旭谦;张小倩;冯兴华;孙怀江;陈伟;刘志贵

基于非凸低阶近似和自适应核的鲁棒子空间聚类。 （英语） Zbl 1457.62204号

信息科学。 513, 190-205 (2020).
摘要：作为一种相对先进的方法，低秩核空间聚类方法在处理高维数据的非线性结构方面表现出良好的性能。不幸的是，这种方法对较大的损坏很敏感，并且不能平衡所有奇异值的贡献。为了解决上述问题，对低秩核方法进行了改进，提出了一种基于非凸低秩近似和自适应核的鲁棒子空间聚类方法（LAKRSC）。在我们的模型中，引入加权Schatten范数来平衡不同奇异值的重要性，可以更准确地逼近秩函数，并且在实际应用中更加灵活。因此，当数据映射到特征空间时，将加权Schatten范数应用于自适应核可以更好地逼近原始的低秩假设。此外，我们的模型使用相关熵来处理复杂噪声，这增强了模型的鲁棒性。将半二次型技术（HQ）与ADMM相结合，研究了一种新的算法HQ和ADMM来求解我们的模型。在四个真实数据集上的实验表明，LAKRSC的聚类性能明显优于几种更先进的方法。

引用于5文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）

关键词：

子空间聚类;低阶近似;自适应核;相关熵

软件：

线圈-20
PDF格式BibTeX公司 XML格式引用
\textit{X.Xue}等人，《信息科学》。513190-205（2020；Zbl 1457.62204）
全文： 内政部

参考文献：

[1] Chung，F.R。；Graham，F.C.，《谱图理论》，第92期（1997年），美国数学学会·Zbl 0867.05046号
[2] 邓，T。；Ye，D。；马·R。；Fujita，H。；熊，L.，用于子空间聚类的低秩局部切空间嵌入，信息科学。，508, 1-21 (2020) ·Zbl 1456.62119号
[3] 邓，Z。；Choi，K.-S。；姜瑜。；Wang，J。；Wang，S.，软子空间聚类研究综述，信息科学。，348, 84-106 (2016) ·Zbl 1398.62161号
[4] 丁·S。；贾，H。；杜，M。；Xue，Y.，一种基于HMRF模型的半监督近似谱聚类算法，Inf.Sci。，429, 215-228 (2018)
[5] Elhamifar，E。；Vidal，R.，《稀疏子空间聚类：算法、理论和应用》，IEEE Trans。模式分析。机器。智力。，35, 11, 2765-2781 (2013)
[6] 顾S。；张，L。；左，W。；Feng，X.，加权核范数最小化及其在图像去噪中的应用，IEEE计算机视觉和模式识别会议论文集，2862-2869（2014）
[7] He，R。；Zhang，Y。；孙，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) ·兹比尔1408.94239
[8] He，R。；郑维生。；Tan，T。；Sun，Z.，稳健稀疏表示的基于半二次的迭代最小化，IEEE Trans。模式分析。机器。智力。，36, 2, 261-275 (2013)
[9] C.洪。；Yu，J。；张杰。；金，X。；Lee，K.-H.，多任务流形深度学习下的多模态人脸姿态估计，IEEE Trans。工业信息（2018）
[10] P.Ji，I.Reid，R.Garg，H.Li，M.Salzmann，低秩核子空间聚类，CoRR，arXiv:1707.04974（2017）。
[11] Keuper，M。；唐，S。；安德烈斯，B。；Brox，T.公司。；Schiele，B.，运动分割和通过相关联合聚类的多对象跟踪，IEEE Trans。模式分析。机器。智力。(2018)
[12] Lee，K.C。；Ho，J。；Kriegman，D.J.，获取可变光照下人脸识别的线性子空间，IEEE Trans。模式分析。机器。智力。，5, 684-698 (2005)
[13] 李·G。；Pong，T.K.，非凸组合优化分裂方法的全局收敛性，SIAM J.Optim。，25, 4, 2434-2460 (2015) ·Zbl 1330.90087号
[14] 林，Z。；刘，R。；Su，Z.，低阶表示的自适应惩罚线性化交替方向方法，神经信息处理系统进展，612-620（2011）
[15] 刘，G。；林，Z。；Yan，S。；Sun，J。；Yu，Y。；Ma，Y.，通过低秩表示的子空间结构的鲁棒恢复，IEEE Trans。模式分析。机器。智力。，35, 1, 171-184 (2012)
[16] 刘，G。；林，Z。；Yu，Y.，基于低秩表示的稳健子空间分割。，ICML，第1卷，第8卷（2010年）
[17] 刘，L。；黄，W。；Chen，D.-R.，通过Schatten p-范数最小化的精确最小秩逼近，J.Compute。申请。数学。，267, 218-227 (2014) ·Zbl 1293.65056号
[18] 刘伟。；Pokharel，P.P。；Príncipe，J.C.，《腐蚀熵：非高斯信号处理的特性和应用》，IEEE Trans。信号处理。，55, 11, 5286-5298 (2007) ·Zbl 1390.94277号
[19] 刘，X。；周，S。；Wang，Y。；李，M。；Dou，Y。；朱，E。；Yin，J.，多核最优邻域核聚类，第三十届AAAI人工智能会议（2017）
[20] 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，IEEE计算机视觉国际会议论文集，1801-1808（2013）
[21] 吕春云。；最小高度。；赵，Z.-Q。；朱，L。；黄，D.-S。；Yan，S.，通过最小二乘回归实现稳健高效的子空间分割，欧洲计算机视觉会议，347-360（2012），Springer
[22] Mirsky，L.，约翰·冯·诺依曼的迹不等式，莫纳什。数学。，79, 4, 303-306 (1975) ·Zbl 0316.15009号
[23] S.A.Nene、S.K.Nayar、H.Murase等人，哥伦比亚物体图像库（coin-20）（1996年）。
[24] Ng，A.Y。；约旦医学院。；Weiss，Y.，《关于谱聚类：分析和算法》，《神经信息处理系统进展》，849-856（2002）
[25] 尼科洛娃，M。；Ng，M.K.，《信号和图像恢复的半二次最小化方法分析》，SIAM J.Sci。计算。，27, 3, 937-966 (2005) ·Zbl 1141.49318号
[26] 哦，T.-H。；Kim，H。；Tai，Y.-W。；巴赞，J.-C。；So Kweon，I.，低水平视觉RPCA中奇异值的部分和最小化，IEEE计算机视觉国际会议论文集，145-152（2013）
[27] 帕特尔，V.M。；Van Nguyen，H。；Vidal，R.，潜在空间稀疏子空间聚类，IEEE计算机视觉国际会议论文集，225-232（2013）
[28] 帕特尔，V.M。；Vidal，R.，《核稀疏子空间聚类》，2014年IEEE图像处理国际会议（ICIP），2849-2853（2014），IEEE
[29] 萨马利亚，F.S。；Harter，A.C.，人脸识别随机模型的参数化，1994年IEEE计算机视觉应用研讨会论文集，138-142（1994），IEEE
[30] 施，X。；郭，Z。；Xing，F。；蔡，J。；Yang，L.，人脸聚类的自学习，模式识别。，79, 279-289 (2018)
[31] 维达尔，R。；Favaro，P.，低秩子空间聚类（LRSC），模式识别。莱特。，43, 47-61 (2014)
[32] 夏，G。；Sun，H。；冯·L。；张，G。；Liu，Y.，基于鲁棒核稀疏子空间聚类的人体运动分割，IEEE Trans。图像处理。，27, 1, 135-150 (2017) ·Zbl 1409.94671号
[33] 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。，27, 11, 2268-2281 (2015)
[34] 谢毅。；顾S。；刘，Y。；左，W。；张伟。；Zhang，L.，加权Schatten p-范数最小化在图像去噪和背景减法中的应用，IEEE Trans。图像处理。，25, 10, 4842-4857 (2016) ·Zbl 1408.94731号
[35] 薛，J。；Zhao，Y。；Liao，W。；Chan，J.C.-W.，非凸张量秩最小化及其在张量恢复中的应用，信息科学。，503, 109-128 (2019) ·Zbl 1453.90130号
[36] 杨，C。；任，Z。；孙，Q。；吴，M。；尹，M。；Sun，Y.，鲁棒多核子空间聚类的联合相关熵度量加权和块对角正则化器，Inf.Sci。，500, 48-66 (2019) ·Zbl 1454.62204号
[37] 尹，M。；郭毅。；高杰。；何，Z。；Xie，S.，对称正定流形上的核稀疏子空间聚类，IEEE计算机视觉和模式识别会议论文集，5157-5164（2016）
[38] 你，C。；罗宾逊，D。；Vidal，R.，通过正交匹配追踪实现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，3918-3927（2016）
[39] Yu，J。；Rui，Y。；Tao，D.，使用多模式稀疏编码的网络图像重新排序的点击预测，IEEE Trans。图像处理。，23, 5, 2019-2032 (2014) ·Zbl 1374.94435号
[40] Yu，J。；Tan，M。；张，H。；陶，D。；Rui，Y.，用于细粒度图像识别的分层深度点击特征预测，IEEE Trans。模式分析。机器。智力。(2019)
[41] 张博士。；胡，Y。；Ye，J。；李，X。；He，X.，通过截断核规范正则化完成矩阵，2012年IEEE计算机视觉和模式识别会议，2192-2199（2012），IEEE
[42] 张杰。；Yu，J。；Tao，D.，无监督降维的局部深层特征对准，IEEE Trans。图像处理。，27, 5, 2420-2432 (2018) ·Zbl 1409.94749号
[43] 张，T。；唐，Z。；Liu，Q.，基于联合加权Schatten-p范数和（L_Q）范数最小化的稳健子空间聚类，J.Electron。成像，26，3，33021（2017）
[44] 张，X。；陈，B。；Sun，H。；刘，Z。；任，Z。；Li，Y.，基于Schatten p-范数和correntropy的鲁棒低秩核子空间聚类，IEEE Trans。知识。数据工程（2019）
[45] 张，X。；Sun，H。；刘，Z。；任，Z。；崔，Q。；Li，Y.，基于Schatten p-范数和相关熵的鲁棒低阶核多视点子空间聚类，Inf.Sci。，477, 430-447 (2019) ·Zbl 1450.62077号
[46] 朱，R。；董，M。；Xue，J.-H.，高维数据分类中最近子空间方法的子空间学习距离，Inf.Sci。，481, 69-80 (2019) ·兹比尔1443.62190
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。