计算机应用

作者：郭书剑, 余节约, 尹学松

单位：1.杭州电子科技大学 人文艺术与数字媒体学院，杭州 310037；2.杭州电子科技大学 温州研究院，浙江 温州 325038

关键词：机器学习,子空间聚类,图正则化,弹性网,秩约束

基金：浙江省公益技术应用研究项目(LGG22F020032);温州市基础性公益科研项目(G2023093)

基于图的子空间聚类（SC）已成为有效处理高维数据的流行技术。然而，现有方法存在以下问题：构建的图忽略了与聚类建立关联以及无法捕捉数据的内在相关结构。为了解决上述问题，提出一个新的SC方法——图正则化弹性网子空间聚类（GENSC）。GENSC使用L2范数正则化强化具有相关结构的样本之间的连通性，并使用L1范数正则化摒弃不同子空间的样本之间的连通性；同时，构建表征的最近邻图捕捉样本之间的内在局部结构，并增加秩约束以鼓励所学习的图具有清晰的聚类结构。GENSC将L2范数、L1范数和秩约束刻画到一个一般的框架中，并提出一个迭代的优化算法来求解该框架。在9个真实数据集上与现有方法进行比较的实验结果表明，在ChinaCXRSet上，GENSC的精确度（Accuracy）和归一化互信息（NMI）值分别超出次优方法9.03和7.61个百分点，聚类纯度（Purity）达到最好；在UMIST上，GENSC的精确度、NMI和Purity值分别超出次优方法4.15、3.17和5.21个百分点，验证了GENSC的有效性。

来源：2025年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第5期