为了有效挖掘序列数据的时空信息,提出联合lp和l2,p范数极小化的序列子空间聚类算法.首先,定义依赖于样本距离的权重,构造基于l2,p范数的时序图,刻画数据在时间维度上的局部相似性.然后,考虑到非凸■范数最小化通常结果优于凸的l1范数,能更有效地切断语义无关数据间的联系,所以采用lp范数度量表示矩阵的稀疏性.最后,通过线性化交替方向法求解优化模型.在视频、运动、人脸数据上的实验表明文中算法的有效性.
科研之友
微信
新浪微博
Facebook
分享链接
