计算机应用研究

作者：汤立伟,张家珲,彭勇,孔万增,

单位：杭州电子科技大学计算机学院,杭州310018；

关键词：谱聚类,结构化图学习,l1范数,联合学习,

基金：国家自然科学基金资助项目(61971173,61602140)；浙江省科技计划资助项目(2017C33049)；中国博士后科学基金资助项目(2017M620470)；浙江省新苗人才计划资助项目(2019R407030)；；

谱聚类算法存在两个不足：a）将图的构造与谱分解割裂成两个独立的阶段，导致了结果的次优性；b）常用的基于l2范数度量谱特征向量的相似性具有噪声敏感性。为了克服上述两点不足，提出基于联合结构化图学习与l1范数谱嵌入的鲁棒聚类算法（记为CLRL1）。在该算法框架下，一方面图的学习过程与聚类过程可以有效结合起来进行协同优化，另一方面l1范数的使用可以很好地约束谱特征向量的相似性以提升算法的鲁棒性。在多个常用数据集上进行的实验结果表明，改进算法聚类性能得到了明显提升。

来源：2021年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2021年第4期