文件名称：论文研究-稀疏条件下的重叠子空间聚类算法.pdf
文件大小：1.15MB
文件格式：PDF
更新时间：2022-08-11 15:45:35
重叠子空间聚类,混合范数,重叠概率模型,指数族分布
现有子空间聚类算法不能很好地平衡子空间数据的稠密性和不同子空间数据稀疏性的关系，且无法处理数据的重叠问题。针对上述问题，提出一种稀疏条件下的重叠子空间聚类（OSCSC）算法。算法利用l1范数和Frobenius范数的混合范数表示方法建立子空间表示模型，并对l1范数正则项进行加权处理，提高不同子空间的稀疏性和同一子空间的稠密性；然后对划分好的子空间使用一种服从指数族分布的重叠概率模型进行二次校验，判断不同子空间数据的重叠情况，进一步提高聚类的准确率。在人造数据集和真实数据集上分别进行测试，实验结果表明，OSCSC算法能够获得良好的聚类结果。