稀疏子空间聚类、谱聚类的一些个人看法

最新推荐文章于 2024-05-28 22:09:19 发布
最新推荐文章于 2024-05-28 22:09:19 发布
阅读量2.3w 收藏 19
点赞数 4
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/silence1214/article/details/12559603
版权

最近在阅读Ehsan的sparse subspace clustering这篇paper，后来看到这篇paper又完善了一下发了13年的PAMI，去作者主页看了下，作者也就3篇paper，没想到靠这一篇paper就搞出来名气了，真的是不容易，不知道那几年是怎么坚持过来的，实在是佩服，我在这里首先说下这篇paper的main idea，然后再阐述下算法思想，顺便再稍微详细的解释下谱聚类。

1：本文的main idea

A：如果一组点来自一组独立的子空间，让，并且，他们分别对应每个子空间的维度以及每个子空间的基。让代表属于第i个子空间的

最低0.47元/天 解锁文章
silence1214
关注
  • 4
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 11
    评论
常见聚类算法总结
qigeminghao的博客
01-06 1万+
目录 一.关于聚类 什么是聚类： 什么不是聚类： 聚类的种类： 数据间的相似度度量： 簇间相似度度量： 评估不同聚类方案的优劣： 聚类方法的分类： 聚类算法之外的处理方法： 二.划分式聚类方法 k-means： 三.基于密度的聚类： DBSCAN 算法： 四.层次聚类： 凝聚式聚类： 分裂式聚类： 治愈算法（CURE（Clustering Using Representative））： 稀疏化邻近图： 变色龙算法： 五.基.
Subspace Clustering 学习----稀疏子空间聚类(SSC)
tang1136的博客
10-12 6348
子空间聚类算法概述 现实世界中，大部分应用场景所需要用到的数据都不会是独立出来的某一类数据，而是多类数据集的混合。如果直接对混合数据进行处理，一是训练后所得的结果不理想，二是所需要的计算时间开销很大。因此，在对数据进行训练之前，先对原数据集进行预处理，将原数据集看成多个数据类的混合数据，每个数据类都是一个subspace。如果能使用一些方法将联合数据集中的data points分类到具体的所属子空间中去，再对自空间进行训练，会大大提高效率。现行存在的subspace clustering算法可以分成4类：
稀疏子空间聚类综述
03-19
稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,但仍有很大的发展空间.本文对已有稀疏子空间聚类方法的模型、算法和应用等方面进行详细阐述,并分析存在的不足,指出进一步研究的方向.
机器学习笔记（十二）谱聚类原理和实践
haveanybody的博客
03-19 2965
本文我们继续介绍聚类家族中的另一个成员——谱聚类（Spectral clustering）。谱聚类最早来源于图论，后来由于性能优异，被广泛应用于聚类中。相比K-Means等聚类算法，谱聚类对数据分布的适应性更强（如kmeans要求数据为凸集，谱聚类对数据结构并没有太多的假设要求），聚类效果也很优秀，同时聚类的计算量也小很多（意味着更快的速度），也无需像GMM一样对数据的概率分布做假设，更加难能可贵的是实现起来也不复杂。因此，如果有一个需要尝试聚类解决的问题，那么谱聚类一定是你的优先选择之一。当然，每一种算法
什么是子空间聚类？
最新发布
...
05-28 513
与传统聚类算法不同，子空间聚类算法不假设所有的数据点都位于同一个全局空间中，而是允许数据点在数据的子空间中形成簇。在高维数据中，由于维度的增加，数据点之间的距离变得不那么有意义，这导致传统的聚类算法（如Kmeans）效果不佳。子空间聚类在许多领域都有应用，如生物信息学、文本挖掘、图像处理和推荐系统等。子空间聚类（Subspace Clustering）是一种数据挖掘技术，用于在。，但这些结构在全局空间中不明显的情况。
多视角聚类学习（二）-Dual Shared-Specific Multiview Subspace Clustering
weixin_48898700的博客
11-02 1413
一.问题聚焦 现在的聚类算法大多只关注了视角间的相关性而可能忽略了每个视角的独特性，这可能会丢失一些有效信息。很小有方法在聚类的过程中既整合了多个视角又保留了特定视角的独特性。 二.主要方法 1.基于自表示的子空间聚类（Self-representation-based subspace clustering） 假设每个数据点能够被它们原始数据的线性组合所表示。那么自表示模型的公式可以表示为： L表示特征维度，N表示样本个数。Z是自表示矩阵且里面每个元素zi是从原始数据X中的数据点xi编码得到
稀疏子空间聚类
家家的专栏
06-15 1万+
解读文献：Sparse subspace clustering (cvpr09) 现有的子空间聚类方法，可分为六大类： (本人感觉大都很陌生，)      迭代的：K-subspaces, fitting a subspace to each cluster.      统计的：mixtures of probabilistic PCA; Multi-state learning
图像分割的改进稀疏子空间聚类方法
03-06
提出一种基于改进稀疏子空间聚类的图像分割方法。首先将图像进行过分割得到一些均匀区域称 为超像素，并提取超像素的颜色直方图作为其特征；然后建立特征数据的改进稀疏子空间表示并由此构造图相似 度矩阵，最后利用...
sparse-subspace-clustering-python:稀疏子空间聚类算法的Python实现
05-02
稀疏子空间聚类算法的Python实现稀疏子空间聚类是一种基于稀疏表示理论的技术的子空间聚类算法。 有关更多信息，请参见。 此实现基于提供的 。 要求-numpy，scipy，sklearn，cvxpy。 经过Python 3测试。 可以从安装...
一种改进的稀疏子空间聚类算法
09-19
一种改进的稀疏子空间聚类算法，我们都想看
pysparcl:稀疏聚类方法的Python实现
05-25
pysparcl Witten和Tibshirani（2010）的稀疏聚类方法的Python实现。 演示结果 每个样本都具有1000个功能，其中1％具有参考价值。 层次聚类 稀疏层次聚类 职能 稀疏层次聚类 稀疏KMeans聚类 稀疏层次聚类的转弯参数选择 稀疏KMeans聚类的转弯参数选择 要求 赛顿 Matplotlib（用于运行演示） NumPy scikit学习 科学 安装 安装所需的软件包 pip install cython pip install matplotlib pip install numpy pip install scikit-learn pip install scipy 获取pysparcl git clone https://github.com/tsurumeso/pysparcl.git 运行安装脚本 cd pysparcl pytho
稀疏子空间聚类代码包
01-23
CVPR2009的稀疏子空间聚类代码，亲测可用，以帮助需要的人
稀疏子空间聚类程序.rar_LS3C_ssc聚类_子空间_稀疏_稀疏聚类
07-14
稀疏子空间聚类程序,其中包含 LS3C_release，SSC_1.0， SSC_ADMM等程序
SSC稀疏子空间聚类
小海鲜的博客
08-06 2843
子空间聚类 稀疏子空间聚类(SSC) 主要过程分两步： 1、利用交替方向乘子迭代(ADMM)求解稀疏系数矩阵 2、谱聚类(图割) ADMM Sparse Subspace Clustering： Algorithm, Theory, and Applications --2009 谱聚类 iris_data                
稀疏子空间聚类——对超像素聚类
cocapop的博客
03-04 810
如何使用：超像素分割算法进行过分割——>对所有的超像素样本提取新特征(包括对比度增强直方图特征、超像素样本邻域纹理特征、基于先验知识的位置信息特征)——>采用距离约束优化的稀疏子空间聚类算法(对超像素样本进行聚类)步骤：（1）计算图像的5个高斯金字塔，标记为Level i，i=0,1,2,3,4。（4）类似步骤2和3，计算Level 1与3，2与3，2与4之间的差异图，分别标记为。（6）对图像J进行超像素分割，并提取超像素块所对应的灰度直方图特征。（4）利用canny算子得到的边缘检测结果图标记为。
谱聚类（Spectral Clustering）算法介绍
热门推荐
Y学习使我快乐V的博客
09-03 6万+
一. 前言 本来想写关于聚类系列算法的介绍，但是聚类系列的其它几个算法原理比较简单，网上有大量的教程可以查阅。这里主要是介绍一下谱聚类算法，做一个学习笔记，同时也希望对想要了解该算法的朋友有一个帮助。关于聚类的其他系列算法，这里推荐一个写的很不错的博客。 谱聚类在最近几年变得受欢迎起来，主要原因就是它实现简单，聚类效果经常优于传统的聚类算法（如K-Means算法）。刚开始学习谱聚类的时候，给人...
谱聚类（spectral clustering)及其实现详解
yycc
11-01 6万+
Preface 开了很多题，手稿都是写好一直思考如何放到CSDN上来，一方面由于公司技术隐私，一方面由于面向对象不同，要大改，所以一直没贴出完整，希望日后可以把开的题都补充全。 谱聚类从构造规则化的拉普拉斯矩阵，到对特征矩阵的聚类，个中原理虽然简洁明了，但却蕴含了强大的逻辑结构。
计算机研究 -稀疏样本自表达的子空间聚类算法.pdf
07-02
计算机研究 -稀疏样本自表达的子空间聚类算法.pdf

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值