Sep, 2010

具有半定保证的鲁棒低秩子空间分割

PDF
TL;DR研究了利用 LRR-PSD 算法来实现高维结构数据的分割，其通过显式地施加正半定约束将稀疏重构的亲和矩阵转换为低秩表示。
spectral clusteringsparse reconstructionlrr-psdsubspace settingslow-dimensional manifolds
发现论文，激发创造
  • 迹 Lasso 的相关自适应子空间分割

    本文研究了子空间分割问题，提出了基于迹 Lasso 的自适应相关子空间分割（CASS）方法，用于同时对数据进行自动选择和相关性分组，以实现 SSC 和 LSR 之间的平衡。

    Jan, 2015

  • 最小二乘回归的稳健高效子空间分割

    研究多个线性子空间的数据分割问题。最新的方法使用稀疏表示、低秩表示及其扩展引起了广泛关注。该论文介绍了基于数据相关性提出的最小二乘回归 (Least Squares Regression, LSR) 方法，对实验数据进行处理，获得了比目前最先进的方法更高的分割准确性与更高的效率。

    Apr, 2014

  • 结构化稀疏子空间聚类：一种同时学习关联度和子空间聚类的框架

    本文提出了一种名为 S$^3$C 的联合优化框架，用于同时学习亲和性和分段，并通过备用方向乘法的组合和谱聚类找到结构稀疏表示和分段。在实验中，对合成数据集、扩展的 Yale B 数据集、Hopkins 155 运动分割数据库和三个癌症数据集进行了测试，证明了这种方法的有效性。

    Oct, 2016

  • 对称正定流形上的核稀疏子空间聚类

    通过使用 Log-Euclidean 核，将 SPD 矩阵嵌入到重现核希尔伯特空间中，构建了在 SPD 流形上的核稀疏子空间聚类方法，即 KSSCR。通过利用数据内在的 Riemann 几何来发现潜在的子空间结构。实验证明，该方法比现有方法具有更好的聚类效果。

    Jan, 2016

  • 利用低秩表示进行精确子空间分割和异常值检测

    提出了一种基于低秩表示 (LRR) 的方法，能高效地、准确地检测异常值和将样本分割到它们所属的正确子空间中；利用 LRR 可恢复样本的行空间来确定子空间成员资格。

    Sep, 2011

  • 低秩表示法恢复子空间结构

    该研究提出了一种名为低秩表示（LRR）的新方法，它可以在给定字典中，寻求能够线性组合数据样本的最低秩表示，从而准确地解决亚空间恢复问题，包括亚空间分割和错误修正，并且具有较高的容错性和效率。

    Oct, 2010

  • 凸约束下的谱聚类

    我们引入了一种能够很好地将约束引入到半定谱聚类的新框架，通过扩展半定谱聚类的能力来捕捉复杂的数据结构，以更有效地解决现实世界中的聚类挑战。此框架在各种真实数据集和学习场景中展示了超越现有光谱聚类方法的优越性，为处理复杂聚类问题提供了一种多功能工具。

    Apr, 2024

  • 多视角低秩稀疏子空间聚类

    本研究提出了一种多视角子空间聚类算法，该算法通过构建共享于所有视图的相似度矩阵学习联合子空间表示，采用了重要的低秩和稀疏性约束，通过交替方向乘子法求解相关的优化问题，进一步扩展到非线性子空间，并在一个合成及四个真实数据集上表现出优于现有算法的聚类效果。

    Aug, 2017

  • 可学习的子空间聚类

    本文针对百万数据点的大规模子空间聚类问题提出了可学习的子空间聚类范式，使用可学习的参数函数将高维子空间划分为低维子空间，取代了传统编码模型的高成本，提高了聚类效率。通过对大规模数据集的实验验证，该模型在效率和准确性方面均优于现有的相关方法。

    Apr, 2020

  • 关于仿射稀疏子空间聚类的几何分析

    本文针对从一组仿射子空间中聚类数据的问题，开发了一种名为 Affine SSC (ASSC) 的 SSC 变体，并提出了仿射独立的新概念以捕捉一组仿射子空间的排列，该理论在合理条件下保证了 ASSC 产生子空间保持的亲和力，从而产生正确的聚类。

    Aug, 2018