典型文献
基于自适应图调节和低秩矩阵分解的鲁棒聚类
文献摘要：
聚类是数据挖掘和机器学习领域的重要研究内容,一般会先基于数据样本构建相似图,再基于相似图将样本划分到相应的类中.但是真实的数据经常被损坏,导致学习的相似图不准确,从而直接影响聚类结果.为解决这些问题,提出一种面向鲁棒聚类的自适应图调节和低秩矩阵分解的方法,该方法的核心思想是:将原始数据X分解为纯净数据D和噪声数据S,再基于纯净数据构造拉普拉斯矩阵并进行自适应图调节.随后,给出一个联合学习框架,将数据分离、自适应图正则、噪声消除和低秩矩阵分解集成到一个目标函数中.利用增广拉格朗日乘子法分别更新变量.最后,在理论上证明算法的收敛性并进行实验.实验结果表明所提出的方法与现有一些方法相比有一定优越性.
文献关键词：
鲁棒聚类;L2.1范数;低秩矩阵分解;自适应图调节;增广拉格朗日乘子法
中图分类号：
作者姓名：
李心雨;范辉;刘惊雷
作者机构：
山东工商学院计算机科学与技术学院,山东烟台264005;山东省高等学校未来智能计算协同创新中心,山东烟台264005;烟台大学计算机与控制工程学院,山东烟台264005
文献出处：
引用格式：
[1]李心雨;范辉;刘惊雷-.基于自适应图调节和低秩矩阵分解的鲁棒聚类)[J].山东大学学报（理学版）,2022(08):21-38
A类：
自适应图调节,鲁棒聚类
B类：
低秩矩阵分解,学习领域,分到,核心思想,原始数据,纯净,净数,噪声数据,拉普拉斯矩阵,联合学习,数据分离,自适应图正则,噪声消除,分解集成,增广拉格朗日乘子法,新变量,上证,收敛性,L2,范数
AB值：
0.205319
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。
