科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对稀疏子空间聚类（SSC）方法聚类误差大的问题，提出了基于随机分块的SSC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，采用交替方向乘子法（ADMM）分别求得几个子问题的系数矩阵，之后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一个相似矩阵，并采用谱聚类（SC）算法获得原问题的聚类结果。相较于稀疏子空间聚类（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）算法中的最优算法，基于随机分块的SSC方法将子空间聚类误差平均降低了3.12个百分点，且其互信息、兰德指数和熵3个性能指标都明显优于对比算法。实验结果表明基于随机分块的SSC方法能降低子空间聚类误差，改善聚类性能。
- 单位
