摘要

针对稀疏子空间聚类(SSC)方法聚类误差高的问题,提出了基于随机分块的稀疏子空间聚类方法。该方法首先将原问题数据集随机分成几个子集,构建几个子问题。然后分别采用稀疏子空间交替方向乘子法求得几个子问题的系数矩阵,将几个系数矩阵扩充成与原问题一样大小的系数矩阵,并整合成一个系数矩阵。最后,根据整合得到的系数矩阵计算得到相似矩阵,采用谱聚类算法获得原问题的聚类结果。实验结果:相较于对比算法中的次优算法,基于随机分块的稀疏子空间聚类将子空间聚类误差平均降低了3.115个百分点;互信息,兰德指数和熵3个性能指标都明显优于稀疏子空间聚类(SSC)、随机稀疏子空间聚类(S3COMP-C)、基于正交匹配追踪的稀疏子空间聚类(SSCOMP)、谱聚类(SC)和K均值(K-means)。因此,基于随机分块的稀疏子空间聚类方法能降低子空间聚类误差,改善聚类性能。