【摘要】：現(xiàn)有子空間聚類方法通常以數(shù)據(jù)全局線性為前提,將每個樣本點表示為其他樣本點的線性組合,因而導(dǎo)致常見子空間聚類方法不能很好地應(yīng)用于非線性數(shù)據(jù).為克服全局線性表示的局限,借鑒流形學(xué)習思想,用k近鄰局部線性表示代替全局線性表示,與稀疏子空間聚類和最小二乘子空間聚類方法相結(jié)合,提出局部稀疏子空間聚類和局部最小二乘子空間聚類方法,統(tǒng)稱局部子空間聚類方法.在雙月形數(shù)據(jù)、6個圖像數(shù)據(jù)集和4個基因表達數(shù)據(jù)集上進行實驗,實驗結(jié)果表明該方法是有效的.
[Abstract]:The existing subspace clustering methods usually take the global linearity of the data as the premise and express each sample point as the linear combination of other sample points. As a result common subspace clustering methods can not be applied to nonlinear data very well. In order to overcome the limitation of global linear representation, using the idea of manifold learning, k nearest neighbor local linear representation is used instead of global linear representation, which is combined with sparse subspace clustering and least squares subspace clustering. Local sparse subspace clustering and local least squares subspace clustering are proposed. Experiments were carried out on bimonthly data, 6 image data sets and 4 gene expression datasets. The experimental results show that the proposed method is effective.
【作者單位】： 福州大學(xué)數(shù)學(xué)與計算機科學(xué)學(xué)院;
【基金】：國家自然科學(xué)基金(71273053,11571074) 福建省自然科學(xué)基金(2014J01009)資助~~
【分類號】：TP391.41;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 柳盛;吉根林;;空間聚類技術(shù)研究綜述[J];南京師范大學(xué)學(xué)報(工程技術(shù)版);2010年02期

2 馬程;楊詩琴;;基于量子粒子群的帶障礙約束的空間聚類[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2010年03期

3 殷俊華;李光強;陳翼;鄧敏;;基于概念格的空間聚類方法[J];計算機系統(tǒng)應(yīng)用;2011年06期

4 李霞;徐樹維;;子空間聚類改進算法研究綜述[J];計算機仿真;2010年05期

5 陳銘;吉根林;;一種基于相似維的高維子空間聚類算法[J];南京師大學(xué)報(自然科學(xué)版);2010年04期

6 馬程;陳杰;;障礙約束下的空間聚類算法分析[J];宜春學(xué)院學(xué)報;2012年12期

7 何彬彬;方濤;郭達志;;基于不確定性的空間聚類[J];計算機科學(xué);2004年11期

8 楊楊;孫志偉;趙政;;一種處理障礙約束的基于密度的空間聚類算法[J];計算機應(yīng)用;2007年07期

9 李光強;鄧敏;程濤;朱建軍;;一種基于雙重距離的空間聚類方法[J];測繪學(xué)報;2008年04期

10 李中志;汪學(xué)剛;;一種快速空間聚類算法[J];計算機應(yīng)用研究;2009年08期

相關(guān)會議論文 前5條

1 劉啟亮;鄧敏;彭東亮;徐震;;基于場論的空間聚類有效性評價方法研究[A];2009`中國地理信息產(chǎn)業(yè)論壇暨第二屆教育論壇就業(yè)洽談會論文集[C];2009年

2 鄧羽;;廣義多維云模型在空間聚類中的應(yīng)用[A];地理學(xué)與生態(tài)文明建設(shè)——中國地理學(xué)會2008年學(xué)術(shù)年會論文摘要集[C];2008年

3 徐玉峰;周麗華;肖清;;一種基于數(shù)據(jù)分布差異度的子空間聚類算法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

4 張燕萍;姜青山;;k-means型軟子空間聚類算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯二[C];2010年

5 任家東;周瑋瑋;何海濤;;高維數(shù)據(jù)流的自適應(yīng)子空間聚類算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集A輯二[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 黃明;基于空間分區(qū)的空間聚類研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 楊楊;基于約束的空間聚類的研究[D];天津大學(xué);2007年

2 閆妍;子空間聚類改進方法研究[D];大連理工大學(xué);2008年

3 吳堯;基于模型的半監(jiān)督子空間聚類算法分析[D];大連理工大學(xué);2013年

4 關(guān)慶;增強的軟子空間聚類技術(shù)的研究[D];江南大學(xué);2011年

5 吳俊杰;基于密度的子空間聚類算法研究[D];廈門大學(xué);2009年

6 李麗;附加限定規(guī)則的空間聚類方法及應(yīng)用研究[D];解放軍信息工程大學(xué);2013年

7 歐陽佩佩;改進的稀疏子空間聚類算法研究[D];青島大學(xué);2015年

8 劉之崗;基于有效維選擇的子空間聚類算法研究[D];燕山大學(xué);2012年

9 曹世媛;基于密度的數(shù)據(jù)流子空間聚類算法研究[D];燕山大學(xué);2010年

10 王煜;基于模式相似的子空間聚類算法研究[D];河海大學(xué);2006年

，

本文編號：2374943