基于Hessian正则化和非负约束的低秩表示子空间聚类算法

作     者：范莉莉 卢桂馥 唐肝翌 杨丹 FAN Lili;LU Guifu;TANG Ganyi;YANG Dan

作者机构：安徽工程大学计算机与信息学院安徽芜湖241000 

基　　金：国家自然科学基金资助项目(61976005) 安徽省高等教育提升计划省级自然科学研究一般项目(TSKJ2016B01) 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2022年第42卷第1期

页      码：115-122页

摘      要：针对低秩表示(LRR)子空间聚类算法没有考虑数据局部结构,在学习中可能会造成局部相似信息丢失的问题,提出了一种基于Hessian正则化和非负约束的低秩表示子空间聚类算法(LRR-HN),用来探索数据的全局结构和局部结构。首先,利用Hessian正则化良好的推测能力来保持数据的局部流形结构,使数据局部拓扑结构的表达能力更强;其次,考虑到获得的系数矩阵往往有正有负,而负值往往没有实际意义的特点,引入非负约束来保证模型解的有效性,使其在数据局部结构描述上更有意义;最后,通过最小化核范数寻求数据全局结构的低秩表示,从而更好地聚类高维数据。此外,利用自适应惩罚的线性交替方向法设计了一种求解LRR-HN的有效算法,并在一些真实数据集上,采用正确率(AC)和归一化互信息(NMI)对所提出的算法进行了评估。在ORL数据集上聚类数目为20时的实验中,LRR-HN与LRR算法相比,AC和NMI分别提高了11%和9.74%;与自适应低秩表示(ALRR)算法相比,AC和NMI分别提高了5%和1.05%。实验结果表明,LRR-HN与现有的一些算法相比,AC和NMI均有较大的提升,有较好的聚类性能。

主 题 词：子空间聚类 Hessian正则化 非负约束 低秩表示 流形学习 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.11772/j.issn.1001-9081.2021071181

馆 藏 号：203107185...