基于局部线性回归的半监督图像聚类子空间学习算法

作者：张鸿; 汪萌

来源：2012-09-28, 中国, CN201210370179.0.

本发明公开了一种基于局部线性回归的半监督图像聚类子空间学习算法。首先采用局部线性回归模型预测训练样本在聚类子空间中的坐标,得到预测值与真实值之间的局部预测误差,进而得到总预测误差最小化的目标函数；然后根据类间离散度最大化和类内离散度最小化两个约束条件,利用标记样本和未标记样本计算类间离散度矩阵和总离散度矩阵；最后,将类间离散度矩阵和总离散度矩阵融入到总预测误差最小化的目标函数中,得到求解聚类子空间的目标函数,通过广义特征根进行函数求解,得到最优的聚类子空间。本发明充分利用了标记样本、未标记样本,以及训练数据集中的局部近邻关系,得到了较好的聚类结果。

• 单位
  武汉科技大学