深度闭式子空间聚类
计算机视觉与模式识别
2019-08-27 v1 机器学习
机器学习
摘要
我们提出深度闭式子空间聚类(DCFSC),一种用于带非线性映射学习的子空间聚类的极其简单的全新模型。与先前的深度子空间聚类(DSC)技术相比,我们的 DCFSC 在自表达层没有任何参数。相反,DCFSC 利用由闭式浅层自编码器导出的隐式数据驱动自表达层。此外,与其他子空间聚类方法不同,DCFSC 也没有复杂的优化方案。凭借其极简性,DCFSC 相较于现有 DSC 方法具有显著的内存相关优势,尤其是在大型数据集上。若干实验表明,我们的 DCFSC 模型有足够的潜力成为大规模高维数据集上子空间聚类的新参考模型。
引用
@article{arxiv.1908.09419,
title = {Deep Closed-Form Subspace Clustering},
author = {Junghoon Seo and Jamyoung Koo and Taegyun Jeon},
journal= {arXiv preprint arXiv:1908.09419},
year = {2019}
}
备注
Accepted at the 2019 ICCV Workshop on Robust Subspace Learning and Applications in Computer Vision (RSL-CV 2019)