基于奇异阈值加速算法的时间低秩子空间聚类

为提升算法的应用范围与聚类性能,提出一种基于奇异阈值加速算法的时间低秩子空间聚类。为了解决基于核范数的约束通常导致次优解的缺点,对代价函数提出一种强凸优化方法,从理论上保证了后续更新子问题的唯一解。然后引入外推技术和秩级递进运算,提出一种迭代加权奇异值极小化算法以及奇异值阈值加速算法,从而减小计算复杂度,确保快速收敛。在几个公开的数据集上的实验结果表明,该模型能够揭示数据空间聚集性的内在结构,推广应用范围,提升聚类性能。