西南科技大学制造科学与工程学院, 四川 绵阳 621010
针对线性加权多核图聚类方法限制了共识核的表达能力和再生核希尔伯特空间中噪声污染的问题, 提出一种鲁棒多核子空间图聚类算法(RSMKL), 旨在增强核的表达能力和提高核空间中噪声的鲁棒性。该算法利用一种新颖的非线性自加权核融合策略来生成最佳的共识核, 同时在核空间利用低秩约束模型来消除噪声对关系图质量的影响。最后, 提出一种基于交替方向乘子的迭代优化算法求解目标函数。与5种同类流行算法在5个常用数据集上比较, 实验结果表明RSMKL在聚类精度(ACC)、标准互信息(NMI)和聚类纯度(Purity)上具有更好的聚类性能。
子空间聚类 谱图聚类 关系图学习 多核学习 低秩约束 subspace clustering spectral graph clustering affinity graph learning multiple kernel learning low-rank representation
1 福州大学 物理与信息工程学院, 福建 福州 350116
2 泉州黎明职业大学 智能制造学院, 福建 泉州 362000
3 长安大学 信息工程学院,陕西 西安 710064
4 瑞典皇家工学院,瑞典 斯德哥尔摩 10044
针对欧式距离加权的稀疏子空间聚类在对多个同步运动刚体进行运动分割时不考虑刚体流形结构的局限性, 提出了一种由光流轨迹流形拓扑结构加权的稀疏子空间聚类算法, 在光流轨迹的时空相似度邻接矩阵里计算各轨迹相似度的流形距离并嵌入稀疏子空间字典表达的权值矩阵进行稀疏系数求解, 使得流形距离较近的轨迹优先成为稀疏自表达字典, 从而减少对欧式空间相距较小但不属于同一物体的同步运动刚体轨迹的聚类混叠, 经过同步移动和同步摆动两种情况算法对比实验表明：本文提出算法可以将混叠降低到1%以下,最后, 在双针床经编机贾卡针同步摆动的运动分割结果表明算法具有进一步的工业视觉应用前景。
变分光流 稀疏子空间聚类 流形距离 有限等距 子空间混叠 Dijkstra算法 variational optical flow sparse subspace clustering manifold distance restricted isometry property subspace aliasing Dijkstra algorithm
天津大学电气自动化与信息工程学院， 天津 300072
张量分解是解决高维数据分析问题的有力工具。传统张量Tucker分解模型多采用各项同性假设，即各个因子矩阵具有相同的约束条件(例如正交、非负等)，但该种假设不适用于异构张量数据分析。本文提出了一种基于低秩正则化的异构张量分解(LRRHTD)算法，并用于子空间聚类任务。低秩正则化的异构张量分解核心思想是对原始张量寻求一组正交因子矩阵的集合，将高维张量映射到低维的潜在子空间中，同时在最后的因子矩阵上引入低秩约束以获得可用于聚类的全局低秩结构表征。此外，设计了一种基于增广拉格朗日乘子的优化方法对所提算法进行求解。在两个公开数据集上的实验表明，本文提出的方法不仅可以在较少次数的迭代内达到收敛，而且与现有的其他聚类方法相比，取得了较为理想的聚类性能。
图像处理 张量 分解 低秩 子空间聚类 激光与光电子学进展
2018, 55(7): 071003
1 徐州医科大学医学信息学院, 江苏 徐州 221005
2 中国矿业大学计算机科学与技术学院, 江苏 徐州 221116
仿射传播(Affinity Propagation, AP) 聚类算法将所有数据点作为潜在的聚类中心, 在相似度矩阵的基础上通过消息传递进行聚类, 但不适用于子空间聚类。基于属性关系矩阵的AP子空间聚类算法(ARMAP)是一种异步软子空间聚类算法, 通过计算属性a的α-β邻域得到属性的关系矩阵,查找极大全1子矩阵得到数据集的兴趣度子空间,在各 兴趣度子空间使用AP算 法聚类,完成子空间聚类的任务。ARMAP算法将子空间的查找转换成查找矩阵的极大全1子矩阵,在正确查 找子空间的同时降低了时间复杂度,既保留了AP聚类算法的优点,又克服了AP算法不能进行子空间聚类的不足。
图像与信息处理 聚类分析 子空间聚类 AP聚类 关系矩阵 image and information processing clustering analysis subspace clustering affinity propagation clustering relation matrix
重庆理工大学 计算机科学与工程学院, 重庆 400054
分析了经典的CLIQUE聚类算法，阐述了该算法存在的局限性，针对该算法时间复杂度高和聚类精度低的问题，提出了一种改进的CLIQUE聚类算法；改进的算法不仅具有传统CLIQUE算法的优点，而且利用降低冗余维度和备份密集单元数据库D′的策略，大大降低了搜索成本和时间复杂度；且进一步用混合网格划分技术替代原有算法的固定网格划分技术，提高了聚类结果的精度，保留了密集单元的完整性。
子空间聚类 维聚类 挖掘 类分析 subspace clustering high-dimensional clustering data mining clustering analysis
