核块对角表达子空间聚类及收敛性分析

针对线性块对角表达子空间聚类算法不能有效处理非线性视觉数据,以及常规的正则化器不能直接追求k块对角矩阵等缺点,提出了核块对角表达子空间聚类算法。将原始输入空间映射到线性可分的核希尔伯特空间,在该特征空间中进行谱聚类,同时给出了算法的收敛性分析,利用变量的强凸性和函数的有界性来验证目标函数单调递减和亲和力矩阵有界且收敛。与核稀疏子空间聚类、块对角表达子空间聚类等算法相比,结果表明:该算法在Extended Yale B,ORL(Olivetti Research Laboratory)和MVTec ITODD数据集上取得了较低的聚类误差和较高的归一化互信息。