科研之友
微信
新浪微博
Facebook
分享链接
摘要
聚类是数据挖掘和机器学习领域的重要研究内容，一般会先基于数据样本构建相似图，再基于相似图将样本划分到相应的类中。但是真实的数据经常被损坏，导致学习的相似图不准确，从而直接影响聚类结果。为解决这些问题，提出一种面向鲁棒聚类的自适应图调节和低秩矩阵分解的方法，该方法的核心思想是：将原始数据X分解为纯净数据D和噪声数据S,再基于纯净数据构造拉普拉斯矩阵并进行自适应图调节。随后，给出一个联合学习框架，将数据分离、自适应图正则、噪声消除和低秩矩阵分解集成到一个目标函数中。利用增广拉格朗日乘子法分别更新变量。最后，在理论上证明算法的收敛性并进行实验。实验结果表明所提出的方法与现有一些方法相比有一定优越性。
- 单位
