科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于低秩张量自表示的深度子空间聚类方法及系统,涉及深度学习领域。针对现有技术中空间结构信息丢失的问题提出本方案,特点在于在深度自编码器中引入张量与低秩矩阵的模积构建自表示层,用于对所述数据中的张量进行自表示。优点在于保留了数据本身的空间结构信息,减少信息损失,能带来更好的子空间聚类效果。自表示系数矩阵通过分解为两个小矩阵相乘来实现低秩约束,所需参数量与计算量少。将选取指定个最大值的硬阈值策略和基于幂乘运算的软阈值策略相结合,给定了一种新的亲和矩阵构造方法。本发明构造的亲和矩阵对样本联结性的描述更加准确。
- 单位
