联合Capped范数极小化的子空间聚类算法

作     者：涂志辉 陈龙 张子长 朱雪芳 胡文玉 TU Zhihui;CHEN Long;ZHANG Zichang;ZHU Xuefang;HU Wenyu

作者机构：赣南师范大学数学与计算机科学学院江西赣州341000 

基　　金：国家自然科学基金(61863001) 江西省高等学校教改课题(JXJG-18-14-11) 江西省2019年度研究生创新专项资金项目(YC2019-S393) 国家级大学生创新创业训练计划立项项目(201810418002) 

出 版 物：《赣南师范大学学报》 (Journal of Gannan Normal University)

年 卷 期：2020年第41卷第6期

页      码：56-61页

摘      要：子空间聚类问题是将一组原始无标签的数据按照一定的规则划分为不同类簇的过程,在模式识别、数据挖掘、计算机视觉以及生物信息学等诸多领域具有广泛的应用.然而,目前子空间聚类算法由于受到数据噪声和异常值的影响,性能仍不够理想.为更好刻画数据噪声和低秩性,本文结合两种capped范数,提出一种新的子空间聚类模型,并设计快速、有效的求解算法,同时给出其收敛性证明.数值实验表明,本文的算法比现有的一些经典算法在聚类性能上具有较明显的优势.

主 题 词：子空间聚类 capped范数 稀疏表示 低秩表示 

学科分类：07[理学] 070104[070104] 0701[理学-数学类] 

D　O　I：10.13698/j.cnki.cn36-1346/c.2020.06.012

馆 藏 号：203990277...