快速且鲁棒的稀疏感知块对角表示
机器学习
2023-12-05 v1 信号处理
摘要
亲和矩阵的块对角结构是聚类分析中通常期望的属性，因为它通过集中在块中的非零系数来表示特征向量的簇。然而，在实际应用中恢复块对角亲和矩阵具有挑战性，因为数据可能受到掩盖隐藏簇结构的离群值和重尾噪声的影响。为了解决这个问题，我们首先分析了基于图的聚类分析中不同基本离群值类型的影响。简化分析的一个关键思想是引入一个向量，将块对角矩阵表示为构成亲和矩阵的相似性系数的分段线性函数。我们将该问题重新表述为鲁棒的分段线性拟合问题，并提出了一种快速且鲁棒的稀疏感知块对角表示方法，该方法联合估计簇隶属关系和块的数量。在多种实际应用上的综合实验证明了 FRS-BDR 在聚类精度、对损坏特征的鲁棒性、计算时间和簇枚举性能方面的有效性。
引用
@article{arxiv.2312.01137,
title = {Fast and Robust Sparsity-Aware Block Diagonal Representation},
author = {Aylin Tastan and Michael Muma and Abdelhak M. Zoubir},
journal= {arXiv preprint arXiv:2312.01137},
year = {2023}
}
备注
16 pages article, 4 pages supplementary, 51 pages accompanying material