

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著科學(xué)技術(shù)的快速發(fā)展,已經(jīng)身處數(shù)據(jù)大爆發(fā)的時(shí)代?,F(xiàn)實(shí)世界中許多問(wèn)題涉及到高維數(shù)據(jù)的集合,如圖像、視頻和Web文檔、DNA序列等等。這些高維空間的數(shù)據(jù)不僅增加了算法的運(yùn)行時(shí)間和內(nèi)存的需求量,而且由于噪聲的污染和樣本數(shù)量的不足給問(wèn)題的處理帶來(lái)了一定的困難。值得慶幸的是,經(jīng)過(guò)分析與研究發(fā)現(xiàn)高維數(shù)據(jù)的本質(zhì)結(jié)構(gòu)并不是毫無(wú)規(guī)律可言的,它們通常分布在若干個(gè)低維子空間的并上。利用子空間聚類能夠挖掘現(xiàn)實(shí)空間中實(shí)體原有的空間集聚模式,揭示世界萬(wàn)物的分布規(guī)
2、律、提取自然界實(shí)體的群體空間結(jié)構(gòu)特征等。
近年來(lái),低秩表示(Low-Rank Representation,LRR)在圖像聚類、機(jī)器學(xué)習(xí)、運(yùn)動(dòng)分割和特征提取、人臉識(shí)別等方面得到廣泛應(yīng)用,在探索低維子空間結(jié)構(gòu)方面取得了顯著的成績(jī)。對(duì)于一個(gè)給定并含有稀疏錯(cuò)誤的數(shù)據(jù)集,LRR的目的在于尋找所有數(shù)據(jù)共同的最低表示。在現(xiàn)實(shí)世界中,數(shù)據(jù)通常環(huán)繞分布在高維空間的低維子流形上。然而,LRR低秩表示模型偏離秩函數(shù)而且沒有考慮數(shù)據(jù)的內(nèi)在幾何結(jié)構(gòu),
3、從而導(dǎo)致高維數(shù)據(jù)聚類精確度低。針對(duì)上述問(wèn)題,本文在綜合分析低秩表示模型及數(shù)據(jù)的內(nèi)部幾何結(jié)構(gòu)基礎(chǔ)上,提出了一種基于拉普拉斯正則化雙曲正切函數(shù)低秩子空間聚類算法(Laplacian Regularized Hyperbolic Tangent Function Low-Rank Subspace Clustering Algorithm,LRHT-LRSC)。
論文主要完成了以下工作:
提出了一種基于拉普拉斯正則化雙曲正
4、切函數(shù)低秩子空間聚類算法(Laplacian Regularized Hyperbolic Tangent Function Low-Rank Subspace Clustering Algorithm,LRHT-LRSC)。該算法利用雙曲正切函數(shù)代替核范數(shù)以便更緊湊的逼近秩函數(shù),并且利用拉普拉斯正則項(xiàng)刻畫數(shù)據(jù)本身的幾何結(jié)構(gòu),提高了數(shù)據(jù)聚類的準(zhǔn)確率,然后構(gòu)建數(shù)據(jù)樣本的系數(shù)矩陣和相似矩陣,最后利用譜聚類方法得到最終的聚類結(jié)果。在合成數(shù)據(jù)集
5、、真實(shí)數(shù)據(jù)集Extended Yale B和Hopkins155上的對(duì)比實(shí)驗(yàn)結(jié)果表明,LRHT-LRSC提高了聚類的準(zhǔn)確率和魯棒性。
雖然LRHT-LRSC算法降低了高維數(shù)據(jù)聚類的錯(cuò)誤率提高了聚類算法的魯棒性,但是卻增加了算法的時(shí)間復(fù)雜度。針對(duì)這一問(wèn)題,通過(guò)對(duì)Matlab分布式并行處理進(jìn)行研究以及對(duì)SPMD并行方法分析、改進(jìn),充分利用改進(jìn)的SPMD并行方法來(lái)處理因串行計(jì)算而造成LRHT-LRSC算法運(yùn)行速度慢、耗時(shí)長(zhǎng)的問(wèn)題,進(jìn)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 稀疏子空間算法及在高光譜圖像聚類中的應(yīng)用研究.pdf
- 基于稀疏子空間聚類的圖像超像素分割研究.pdf
- 迭代加權(quán)的稀疏子空間聚類.pdf
- 稀疏子空間聚類算法的改進(jìn)研究.pdf
- 改進(jìn)的稀疏子空間聚類算法研究.pdf
- 稀疏子空間聚類的交替方向法研究.pdf
- 稀疏樣本自表達(dá)的子空間聚類算法.pdf
- 子空間聚類算法在流量分類中的應(yīng)用.pdf
- 稀疏子空間聚類算法及其在運(yùn)動(dòng)分割中的應(yīng)用研究.pdf
- 子空間聚類及其應(yīng)用.pdf
- 圖像子空間聚類與分類算法研究.pdf
- 基于稀疏子空間聚類的人臉識(shí)別方法研究.pdf
- 基于子空間聚類的圖像分割方法研究.pdf
- 基于動(dòng)態(tài)子空間距離的圖像聚類.pdf
- 基于坐標(biāo)下降的并行稀疏子空間聚類方法研究.pdf
- 基于空間域的聚類算法在圖像分割中的應(yīng)用研究.pdf
- 子空間聚類算法的研究及應(yīng)用.pdf
- 空間混沌在圖像處理中的應(yīng)用.pdf
- 圖像聚類及其在圖像檢索中的應(yīng)用研究.pdf
- 模糊聚類算法在圖像分割中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論