曲线流形上数据的易处理聚类
计算机视觉与模式识别
2017-04-14 v1
摘要
在机器学习中，通常将每个数据点解释为欧氏空间中的向量。然而数据实际上可能是函数型的，即每个数据点是某变量（如时间）的函数，且该函数在离散采样下获得。将函数型数据作为传统多元数据进行朴素处理会导致性能不佳，因为算法忽略了每个函数曲率中的相关性。本文中，我们提出一种易处理方法，通过将欧氏低秩表示(Low-Rank Representation, LRR)适配到曲线流形来对函数型数据或曲线进行聚类。在合成与真实数据上的实验评估表明，在聚类函数型数据时，该方法在速度和精度上均大幅优于先前的聚类方法。
引用
@article{arxiv.1704.03963,
title = {Tractable Clustering of Data on the Curve Manifold},
author = {Stephen Tierney and Junbin Gao and Yi Guo and Zheng Zhang},
journal= {arXiv preprint arXiv:1704.03963},
year = {2017}
}
备注
arXiv admin note: substantial text overlap with arXiv:1601.00732