形状交互矩阵的重访与鲁棒化：面向损坏与缺失数据的高效子空间聚类
计算机视觉与模式识别
2016-10-10 v2
摘要
形状交互矩阵（SIM）是最早执行子空间聚类（即，分离从子空间并集中抽取的点）的方法之一。在本文中，我们重访SIM并揭示其与若干近期子空间聚类方法的联系。我们的分析使我们推导出一个简单而有效的算法来鲁棒化SIM，并使其适用于数据被噪声损坏的现实场景。我们通过直观示例和矩阵扰动理论论证了我们的方法。然后我们展示该方法如何扩展以处理缺失数据，从而产生一个高效且通用的子空间聚类算法。我们在几个具有挑战性的运动分割和人脸聚类问题上展示了我们的方法相对于最先进的子空间聚类方法的优势，其中数据包含损坏和缺失的测量值。
引用
@article{arxiv.1509.02649,
title = {Shape Interaction Matrix Revisited and Robustified: Efficient Subspace Clustering with Corrupted and Incomplete Data},
author = {Pan Ji and Mathieu Salzmann and Hongdong Li},
journal= {arXiv preprint arXiv:1509.02649},
year = {2016}
}
备注
This is an extended version of our iccv15 paper