摘要:
稀疏子空间聚类作为先进的子空间聚类算法,不仅能有效地聚类高维数据,而且可以直接对含有噪声、稀疏无关字典等干扰信息的复杂数据进行处理。但是现有的稀疏优化框架都不能很好地满足表示系数矩阵类间稀疏和类内一致的特性。因此,考虑将反正切函数和对数函数的性质同时引入到重加权的 l 1 最小化框架中,使其能够同时满足 l 0 范数在数据较小时斜率趋于无穷、数据较大时斜率趋于零的两个重要特征,从而更好地逼近 l 0 最小化框架,并基于此提出改进的重加权稀疏子空间聚类算法。实验表明相较于其他子空间算法,所提算法有着更好的聚类性能。
赵晓晓, 周治平, 贾旋. 改进重加权稀疏子空间聚类算法[J]. 系统工程与电子技术, 2018, 40(3): 704-709.
ZHAO Xiaoxiao, ZHOU Zhiping, JIA Xuan. Evolving reweighted sparse subspace clustering algorithm[J]. Systems Engineering and Electronics, 2018, 40(3): 704-709.