缺失数据下子空间聚类的确定性条件
信息论
2016-07-13 v1 机器学习
math.IT
机器学习
摘要
本文给出了在数据缺失情况下，当数据假设来自子空间并集（UoS）模型时，稀疏子空间聚类（SSC）成功的确定性条件。我们考虑了两种算法，它们是带有逐项零填充的 SSC 的变体，区别在于用于寻找谱聚类亲和矩阵的优化问题。对于这两种算法，我们针对任意缺失数据模式，提供了能够实现完美聚类的确定性条件。我们提供了在 UoS 模型下，针对聚类以及缺失项数据补全的大量仿真结果。我们的实验结果表明，与完整数据情况相比，准确的聚类并不意味着准确的子空间识别和补全，这揭示了这些问题相对难度的自然顺序。
引用
@article{arxiv.1607.03191,
title = {On Deterministic Conditions for Subspace Clustering under Missing Data},
author = {Wenqi Wang and Shuchin Aeron and Vaneet Aggarwal},
journal= {arXiv preprint arXiv:1607.03191},
year = {2016}
}