计算机应用

作者：王丽娟, 陈少敏, 尹明, 许跃颖, 郝志峰, 蔡瑞初, 温雯

单位：1. 广东工业大学 计算机学院, 广州 510006;2. 广东工业大学 自动化学院, 广州 510006;3. 北京师范大学珠海分校 信息技术学院, 广东 珠海 519000;4. 佛山科学技术学院 数学与大数据学院, 广东 佛山 528000

关键词：近邻图,块对角表示,稀疏表示,子空间聚类,高维数据

基金：国家自然科学基金资助项目（61502108，61876042，61876043）；NSFC-广东联合基金资助项目（U1501254）。

块对角表示（BDR）模型可以通过利用线性表示对数据有效地进行聚类，却无法很好地利用高维数据常见的非线性流形结构信息。针对这一问题，提出了基于近邻图改进的块对角子空间聚类（BDRNG）算法来通过近邻图来线性拟合高维数据的局部几何结构，并通过块对角约束来生成具有全局信息的块对角结构。BDRNG同时学习全局信息以及局部数据结构，从而获得更好的聚类表现。由于模型包含近邻图算子和非凸的块对角表示范数，BDRNG 采用了交替最小化来优化求解算法。实验结果如下：在噪声数据集上，BDRNG能够生成稳定的块对角结构系数矩阵，这说明了BDRNG对于噪声数据具有鲁棒性；在标准数据集上，BDRNG的聚类表现均优于BDR，尤其在人脸数据集上，相较于BDR，BDRNG的聚类准确度提高了8%。

来源：2021年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第1期