计算机应用研究

作者：刘明明,羊远灿,杨研博,张海燕,

单位：1.江苏建筑职业技术学院智能制造学院,江苏徐州221116；2.中国矿业大学计算机科学与技术学院,江苏徐州221116；

关键词：子空间聚类,长尾分布,小奇异值,截断Schatten-p范数,矩阵核范数,

基金：国家自然科学基金资助项目(61801198)；江苏省自然科学基金资助项目(BK20180174)；江苏省青蓝工程资助项目；；

传统子空间聚类方法通常使用矩阵核范数代替矩阵秩函数进行低秩矩阵恢复，然而在目标优化过程中主要关注低秩矩阵大奇异值的影响，容易导致矩阵秩估计不准确的问题。为此，在分析矩阵奇异值长尾分布特点的基础上，提出使用基于截断Schatten-p范数的低秩子空间聚类模型。该模型充分考虑小奇异值对低秩矩阵恢复过程的贡献，利用小奇异值信息拟合矩阵奇异值的长尾分布，通过对矩阵秩函数进行准确估计以提升子空间聚类性能。实验结果表明，与现有加权核范数子空间聚类WNNM-LRR和近邻约束子空间聚类BDR算法相比，在Extended Yale B数据集上的聚类准确性分别提升了11%和8%，所提方法能够更好地拟合数据奇异值分布以及生成准确的相似度矩阵。

来源：2024年第1期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第1期