论文部分内容阅读
针对大多数子空间聚类方法处理非线性数据时聚类效果不理想、不同子空间数据相似性较高及聚类发生错误时无法及时校验的问题，提出局部加权最小二乘回归的重叠子空间聚类算法．利用K近邻思想突出数据的局部信息，取代非线性数据结构，通过高斯加权的方法选择最相似的近邻数据点，得到最优表示系数．然后使用重叠概率模型判断子空间内数据的重叠部分，再次校验聚类结果，提高聚类准确率．在人造数据集和真实数据集上分别进行测试，实验表明，文中算法能够取得较理想的聚类结果．