稀疏子空间聚类算法研究

作者：黄佳雯; 王丽娟; 王利伟^*

来源：现代计算机(专业版), 2020, (16): 65-70.

• 高维数据
• 子空间聚类
• 稀疏
• 聚类

图像、视频、生物信息等高维数据广泛存在于机器学习、模式识别等领域中。高维数据结构复杂,具有海量、高维和噪音等特性,处理这种数据比较困难。稀疏子空间聚类算法利用高维数据的子空间结构得到数据的表示系数矩阵,然后通过系数矩阵求得相似度矩阵,最后使用谱聚类得到数据的低维子空间结果。它可以揭示高维数据的本质结构,降低数据的存储空间和分析复杂度。梳理近四年稀疏子空间聚类算法的研究成果,详细介绍稀疏子空间聚类算法的原理、经典算法模型、近年的研究方向和具体应用。

• 单位
  广东工业大学; 中国人民解放军陆军工程大学