文件名称：通过非负低秩表示的鲁棒半监督子空间聚类
文件大小：1024KB
文件格式：PDF
更新时间：2024-04-26 06:11:27
研究论文
低秩表示（LRR）已成功应用于探索数据的子空间结构。 但是，在以前的基于LRR的半监督子空间聚类方法中，标签信息不用于指导亲和力矩阵的构造，因此亲和力矩阵无法传递强大的判别信息。 而且，由于亲和矩阵的构建和子空间聚类通常是独立的步骤，因此这些方法不能保证整体最优。 在本文中，我们提出了一种基于非负LRR（NNLRR）的鲁棒的半监督子空间聚类方法来解决这些问题。 通过将LRR框架与高斯场和谐波函数方法结合在单个优化问题中，明确地引入了监督信息以指导亲和力矩阵的构建，并且一步一步地完成了亲和力矩阵的构建和子空间聚类，以确保总体最优。 通过寻找将每个样本表示为其他样本的线性组合的非负低秩矩阵，可以获得亲和矩阵。 我们还明确地将稀疏约束强加给亲和矩阵，以使NNLRR获得的亲和矩阵是非负的低秩稀疏。 我们引入了一种带有自适应罚分的高效线性交替方向方法来解决相应的优化问题。 大量的实验结果表明，与其他最新方法相比，NNLRR在半监督子空间聚类中是有效的，并且对不同类型的噪声具有鲁棒性。