-
题名联合低秩稀疏的多核子空间聚类算法
被引量:7
- 1
-
-
作者
李杏峰
黄玉清
任珍文
-
机构
西南科技大学信息工程学院
西南科技大学国防科技学院
-
出处
《计算机应用》
CSCD
北大核心
2020年第6期1648-1653,共6页
-
基金
国家自然科学基金资助项目(61673220)
国家国防科技工业局项目(JCKY2017209B010,JCKY2018209B001)。
-
文摘
针对多核子空间谱聚类算法没有考虑噪声和关系图结构的问题,提出了一种新的联合低秩稀疏的多核子空间聚类算法(JLSMKC)。首先,通过联合低秩与稀疏表示进行子空间学习,使关系图具有低秩和稀疏结构属性;其次,建立鲁棒的多核低秩稀疏约束模型,用于减少噪声对关系图的影响和处理数据的非线性结构;最后,通过多核方法充分利用共识核矩阵来增强关系图质量。7个数据集上的实验结果表明,所提算法JLSMKC在聚类精度(ACC)、标准互信息(NMI)和纯度(Purity)上优于5种流行的多核聚类算法,同时减少了聚类时间,提高了关系图块对角质量。该算法在聚类性能上有较大优势。
-
关键词
低秩稀疏
关系图结构
子空间学习
多核
谱聚类
-
Keywords
low-rank and sparse
relation graph structure
subspace learning
multiple kernel
spectral clustering
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于自适应邻域的鲁棒多视图聚类算法
被引量:6
- 2
-
-
作者
李杏峰
黄玉清
任珍文
李毅红
-
机构
西南科技大学信息工程学院
西南科技大学国防科技学院
-
出处
《计算机应用》
CSCD
北大核心
2021年第4期1093-1099,共7页
-
基金
国家自然科学基金资助项目(61673220)
四川省重大科技项目(2018TZDZX0002)。
-
文摘
针对现存的基于自适应邻域的多视图聚类算法没有考虑噪声和共识图信息损失的问题,提出一种基于自适应邻域的鲁棒多视图聚类(RMVGC)算法。首先,为了避免噪声和异常值对数据的影响,通过鲁棒主成分分析模型(RPCA)从原始数据中学习多个干净的低秩数据;其次,用自适应邻域学习直接融合多个干净的低秩数据来得到一个干净的共识关系图,从而减少图融合过程中的信息丢失。实验结果表明,所提RMVGC算法的标准化互信息(NMI)在MRSCV1、BBCSport、COIL20、ORL和UCI digits数据集上比目前流行的多视图聚类算法分别提升了5.2、1.36、27.2、4.66和5.85个百分点。同时,该算法保持了数据局部结构,增强了对原始数据的鲁棒性,提高了关系图质量,在多视图数据集上具有较好的聚类性能。
-
关键词
自适应邻域
多视图聚类
低秩
鲁棒
共识关系图学习
-
Keywords
adaptive neighborhood
multi-view clustering
low-rank
robustness
consensus affinity graph learning
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-