多线性子空间聚类
信息论
2015-12-22 v1 计算机视觉与模式识别
机器学习
math.IT
机器学习
摘要
在本文中，我们提出了一种用于图像等二维数据无监督聚类的新型模型和算法。我们假设数据来自多线性子空间并集（UOMS）模型，该模型是被广泛研究的子空间并集（UOS）模型的一个特定结构化情形。针对该模型下的分割，我们开发了多线性子空间聚类（MSC）算法，并在 YaleB 和 Olivietti 图像数据集上评估了其性能。我们表明，在聚类性能方面，MSC 与采用 UOS 模型的现有算法极具竞争力，同时计算复杂度有所改善。
引用
@article{arxiv.1512.06730,
title = {Multilinear Subspace Clustering},
author = {Eric Kernfeld and Nathan Majumder and Shuchin Aeron and Misha Kilmer},
journal= {arXiv preprint arXiv:1512.06730},
year = {2015}
}