自表示相关论文
现如今信息爆炸的时代存在大量的高维数据,如何从高维数据中快速获取有辨别性的信息,成为目前研究的一个重要课题。这一课题的常用......
子空间聚类中是一种在假设处于同一子空间中的数据可以通过属于同一子空间中的其他数据线性表示的条件下,将高维空间化作低维子空......
随着信息时代的到来,信息技术正在突飞猛进的发展,伴随而来的是海量数据的产生。不仅是数据数量的增加,同时数据所包含的特征与维......
特征选择得到的识别特征可以用于聚类分析,提高聚类分析的质量。受数据自表示特性和双图规则化学习的启发,提出了一种新的特征选择......
基于自表示关联图的谱聚类模型性能受冗余特征影响较大．为了缓解高维数据无效特征的负面影响，文中提出联合特征选择和光滑表示的子空......
在大数据时代,特征选择对于降低复杂度、压缩存储量、提升数据分析泛化能力等具有重要作用。针对大量的无标签高维样本,无监督特征......
针对基于自表示的子空间聚类算法仅线性重建原始数据而忽略了数据流形结构的问题,提出一种核相关性保持的子空间聚类(SCKCP)模型,......
子空间聚类算法只能处理小规模数据，且无法处理样本外数据．针对此问题，文中提出采用二次采样策略的子空间聚类框架（TSSC）．该框架由两个核......
