稀疏子空間聚類的交替方向法研究.pdf

1、在機器學習，信號和圖像處理，計算機視覺和模式識別等科學工程領域，高維數(shù)據(jù)普遍存在。但是，通常這些高維數(shù)據(jù)可用一個低維子空間表示。在運動分割、人臉分類等很多應用領域，需要對數(shù)據(jù)進行聚類，因此，對于高維數(shù)據(jù)聚類以及其優(yōu)化算法研究有著很重要的意義。
　　稀疏子空間聚類基于子空間并集中數(shù)據(jù)向量的稀疏表示，將數(shù)據(jù)劃分到各自子空間，具有很好的魯棒性。本文首先分析了稀疏子空間聚類模型，然后重點研究稀疏子空間聚類模型優(yōu)化求解算法即交替方向法。仿真

2、實驗表明，無論在聚類精度，還是運算時間上，本文方法比傳統(tǒng)算法有很大提高，另對噪聲數(shù)據(jù)也非常有效。
　　對稀疏子空間聚類交替方向法中的懲罰參數(shù)進行改進，使其具有自調整性。本文研究基于子空間聚類的運動分割。用稀疏子空間聚類模型及優(yōu)化算法實現(xiàn)運動分割。仿真實驗表明，與傳統(tǒng)方法對比，本文提出改進的優(yōu)化方法在聚類精度上更高，迭代次數(shù)和運行時間都相應減少。
　　本文研究線性化的自適應交替方向法，研究基于稀疏子空間聚類的人臉分類，即把灰度