论文部分内容阅读
基于稀疏表示的隐子空间聚类（latentsubspaceclustering，LSC）算法，相对于传统的子空间聚类算法，具有更快的聚类速度，使其适用于更大的数据集，但是其存在字典训练具有随机性，占用内存过多等缺陷。参照LC-KSVD字典训练算法的思想，通过将一部分信号的标签信息添加进字典训练阶段，以此提高了字典的判别性，进而提出了聚类精度更好的ILSC（improvedLSC）算法。但相比于LSC算法，ILSC算法在字典训练阶段的耗时却大幅增加，针对此缺陷，参照增量字典训练的思想，提出了ILSC算法的增量