关于子空间聚类中的矩阵分解
计算机视觉与模式识别
2021-06-24 v1
摘要
本文探讨使用 CUR 分解的子空间聚类算法，并考察这些算法中各种超参数在两个真实世界基准数据集（Hopkins155 运动分割数据集与 Yale 人脸数据集）上对聚类性能的影响。针对这些数据集的多种采样方法与过采样参数进行了大量实验，并为实际应用给出了一些参数选择指南。
引用
@article{arxiv.2106.12016,
title = {On Matrix Factorizations in Subspace Clustering},
author = {Reeshad Arian and Keaton Hamm},
journal= {arXiv preprint arXiv:2106.12016},
year = {2021}
}
备注
13 pages plus 4 pages of tables