基于局部图拉普拉斯约束的鲁棒低秩表示聚类方法

摘要：

针对传统低秩表示聚类方法存在的稀疏性不足及噪声敏感等问题, 提出了一种基于局部图拉普拉斯约束的鲁棒低秩表示聚类模型. 一方面, 通过加入图像数据局部相似性的约束, 在保持表示矩阵分块对角的特性下, 增强了其稀疏性; 另一方面, 从数据相关性的角度分析了低秩表示模型的聚类性质, 通过采用鲁棒低秩表示模型, 不仅降低了噪声的干扰, 而且减弱了表示字典数据之间的线性相关性, 从理论上保证了最终的邻接矩阵具有分块对角的良好聚类性质. 与传统低秩表示方法相比,本文得到的表示矩阵既保证了分块性质,又更加稀疏,仿真实验结果表明聚类效果有明显提升.

关键词：低秩聚类、数据聚类、图拉普拉斯、鲁棒主成分分析

所属期刊栏目：41

分类号：TN9;TP3

资助基金：国家自然科学基金61262050, 61562062, 61363048, 61363049;江西省自然科学基金20151BAB211006 资助Supported by National Natural Science Foundation of China61262050, 61562062, 61363048, 61363049;Natural Science Foundation of Jiangxi Province20151BAB211006

在线出版日期：2015-12-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1971-1980