subspace clustering

最新推荐文章于 2021-10-12 20:29:54 发布
最新推荐文章于 2021-10-12 20:29:54 发布
阅读量670 收藏
点赞数
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/weixin_34236379/article/details/83744549
版权

分类为4种：

1.代数方法（Algebraic Algorithms）：

在无噪声的数据表现良好，能够很好的表现数据的内部结构，可以被扩展到适当的噪音

2.迭代方法（Iterative Methods）：

第一步：给出一个随机的分割，给每个子空间使用经典的PCA

第二步：对于使用PCA降维过的数据，可以把数据放到距离他最近的子空间中

两步循环直到收敛

3.统计学方法（Statistical Methods）：

以上方法没有指出噪音和数据的分布状况，因此得到的结果不是最佳的

4.基于谱聚类的方法（Spectral Clustering-Based Methods）：

能够处理线性和非线性数据

Accepted 拓
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
文献学习(part18)--Subspace Clustering
小山羊的学习日志
12-12 465
学习笔记，仅供参考，有错必究 未完待续… 文章目录Subspace Clustering子空间聚类问题子空间聚类算法代数算法MATRIX FACTORIZATION-BASED ALGORITHMSGENERALIZED PCAITERATIVE METHODS统计方法MIXTURE OF PROBABILISTIC PCARANDOM SAMPLE CONSENSUS基于谱聚类的方法FACTORIZATION-BASED AFFINITYGPCA-BASED AFFINITYLOCAL SUBSPACE
Subspace Clustering详解（附带CLIQUE算法详解）
Ἥλιος
10-08 9620
Subspace Clustering详解 第二十四次写博客，本人数学基础不是太好，如果有幸能得到读者指正，感激不尽，希望能借此机会向大家学习。这一篇作为密度聚类算法族的第三篇，主要是介绍一种用来发现子空间中的簇的算法——Subspace Clustering，并对该类算法中最具代表性的CLIQUE（Clustering in quest）算法进行介绍，其他密度聚类算法的链接可以在《DBSCAN...
Nonlinear Subspace Clustering翻译
shaodongheng的博客
01-07 547
Nonlinear Subspace Clustering翻译 摘要 本文提出了一种用于图像聚类的非线性子空间聚类（NSC）方法。 与大多数仅利用样本的线性关系来学习亲和矩阵的现有子空间聚类方法不同，我们的NSC通过非线性神经网络揭示了样本的多聚类非线性结构。 虽然基于内核的聚类方法也可以解决样本的非线性问题，但是这种类型的方法存在可扩展性问题。 不同的是，我们的NSC采用前馈神经网络将样本映...
Sparse subspace clustering算法代码
04-26
Sparse subspace clustering_ algorithm, theory, and applications文章的源代码。
Sparse Subspace Clustering的论文和源码
07-26
Sparse Subspace Clustering ：Algorithm Theory and applications 的论文和matlab实现
Sparse Subspace Clustering
08-02
a method based on sparse representation (SR) to cluster data drawn from multiple low-dimensional linear or affine subspaces embedded in a high-dimensional space.
Multi-view Low-rank Sparse Subspace Clustering Algorithm代码及各种数据集
01-08
3-sources，prokaryotic，reuters，uci-digit
Robust Semi-Supervised Subspace Clustering via Non-Negative Low-Rank Representation
02-08
However, in previous LRR-based semi-supervised subspace clustering methods, the label information is not used to guide the affinity matrix construction so that the affinity matrix cannot deliver ...
Subspace Clustering 学习----稀疏子空间聚类(SSC)
tang1136的博客
10-12 6312
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：
Sparse Subspace Clustering基于人脸分割的子空间聚类的原始代码
03-27
Sparse Subspace Clustering基于人脸分割的子空间聚类的原始代码。
Sparse_subspace_clustering算法代码
01-08
Sparse_subspace_clustering算法代码
Sparse Subspace Clustering: Algorithm, Theory, and Applications
08-02
一篇关于稀疏子空间聚类算法、理论的概述性论文，可以用于参考
谱聚类的分析及算法（spectral clustering）
04-21
该论文详细介绍了谱聚类的原理、实现算法以及算法分析。
CVPR-2009-Sparse Subspace Clustering.pdf
03-03
CVPR-2009-Sparse Subspace Clustering.pdf
论文学习-Stochastic Sparse Subspace Clustering
_Charloe的博客
07-21 691
论文学习-Stochastic Sparse Subspace Clustering Note Stochastic Sparse Subspace Clustering，随机稀疏子空间聚类论文精读。在阅读该论文时，笔者无任何子空间聚类的知识基础，仅以个人理解对该论文进行了翻译、总结，以及提出自己疑问和思考。文中难免存在错误，欢迎各位留言讨论、批评指正。 本博客原文 Translation Abstract 最先进的子空间聚类方法基于自表达模型，它将每个数据点表示为其他数据点的线性组合。通过将这种表示约束为
Deep Sparse Subspace Clustering 翻译
shaodongheng的博客
01-07 1418
Deep Sparse Subspace Clustering 翻译 文章下载：http://cn.arxiv.org/pdf/1709.08374 摘要： 在本文中，我们提出了稀疏子空间聚类的深度扩展，称为深度稀疏子空间聚类（DSSC）。 通过对学习的深度特征的单位球分布假设进行规范，DSSC可以通过同时满足SSC的稀疏性原理和神经网络给出的非线性来推断出新的数据亲和度矩阵。 DSSC带来...
【子空间聚类】Sparse Subspace Clustering(SSC) Algorithm
weixin_30608503的博客
11-11 1721
　　Symbol definition： 　　 is n linear subspace of. 　　is the dimension of. 　　is N noise-free data points. 　　is a rank-matrix, represent(>) points that lie in. 　　 　　is a unknown p...
论文笔记------Neural Collaborative Subspace Clustering（神经协作子空间聚类）
weixin_44177594的博客
03-04 1170
摘要 the Neural Collaborative Subspace Clustering（神经协作子空间聚类）：一个神经模型，该模型发现从低维子空间的并集得出的数据点的簇； 这使我们的算法成为可以优雅地扩展到大型数据集的算法之一。 从本质上讲，我们的神经模型受益于分类器，该分类器确定一对点是否位于同一子空间上。 对于我们的模型来说，关键是构造两个亲和矩阵，一个来自分类器，另一个来自子空间自我表达的概念，以监督协作方案中的训练。 1.介绍 在本文中，我们解决了子空间聚类问题， 目标是以无监督的方式对从低

“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
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