面向模糊稀疏子空间聚类的判别变换学习
计算机视觉与模式识别
2017-08-04 v1
摘要
本文提出了一种在学习的判别特征域中进行子空间聚类的新型迭代框架。该框架由模糊稀疏子空间聚类和判别变换学习两个模块组成。在第一个模块中，包含判别信息的模糊潜在标签和捕获子空间结构的潜在表示将在特征域中同时评估。然后在第二个模块中，关于该特征域的线性变换算子将连续更新，具有更强判别力、子空间结构保持和对异常值的鲁棒性等优势。这两个模块将交替执行，理论分析和经验评估都将证明其有效性和优越性。特别地，在三个子空间聚类基准数据库上的实验结果清楚地表明，所提出的框架在聚类精度方面比其他最先进的方法取得了显著改进。
引用
@article{arxiv.1707.05446,
title = {Discriminative Transformation Learning for Fuzzy Sparse Subspace Clustering},
author = {Zaidao Wen and Biao Hou and Qian Wu and Licheng Jiao},
journal= {arXiv preprint arXiv:1707.05446},
year = {2017}
}
备注
IEEE Trans. Cybern. Accept