典型文献
双重结构的最小二乘回归子空间聚类算法
文献摘要：
最小二乘回归(Least Square Regression,LSR)算法是一种流行的子空间聚类方法,在处理计算机视觉和机器学习的相关问题中的应用十分普遍.然而,当数据含有噪声时,其求得的亲和矩阵不是块对角化的,还存在一定的噪声,这使亲和矩阵不够鲁棒可靠,因而降低了算法的聚类性能.为了解决以上不足,提出一种双重结构的最小二乘回归子空间聚类算法(Double Structure Least Squares Regression Subspace Clustering,DSLSR).首先对原始数据实施 LSR算法,由于其生成的亲和矩阵往往不是块对角矩阵且含有噪声,需要对求得的亲和矩阵再次实施LSR算法来去除亲和矩阵中的噪声,使亲和矩阵更干净可靠,从而提升算法的聚类性能.最后,把两次LSR过程纳入一个统一的算法框架,设计一个统一的目标函数.此外,还采取了增广拉格朗日乘子方法对目标函数进行优化求解.在一些数据集上的实验证实,DSLSR算法比现有算法的性能更卓越.
文献关键词：
子空间聚类;目标函数;最小二乘回归;亲和矩阵
中图分类号：
作者姓名：
卢桂馥;汤荣;姚亮
作者机构：
安徽工程大学计算机与信息学院,芜湖,241000
文献出处：
引用格式：
[1]卢桂馥;汤荣;姚亮-.双重结构的最小二乘回归子空间聚类算法)[J].南京大学学报（自然科学版）,2022(06):1050-1058
A类：
DSLSR
B类：
双重结构,最小二乘回归,子空间聚类,聚类算法,Least,Regression,聚类方法,计算机视觉,亲和矩阵,对角化,Double,Structure,Squares,Subspace,Clustering,原始数据,对角矩阵,干净,增广拉格朗日,拉格朗日乘子,子方,优化求解
AB值：
0.244133
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
