子空间聚类相关论文
针对基于张量的多视图子空间聚类算法不能很好地保持样本之间的流形几何结构和多视图之间相似性的缺点，提出了一种结构保持的t-SVD......
深度子空间聚类通过联合执行自表达特征学习和聚类分配，获得了比传统聚类更好的性能。尽管在各种应用中出现了大量的深度子空间聚类......
在认知侦察领域，对多功能相控阵雷达（Multifunction Phased Array Radar, MPAR）的脉冲序列进行分析，得到目标威胁等级和其他直观的有效......
最小二乘回归（Least Square Regression,LSR）算法是一种流行的子空间聚类方法，在处理计算机视觉和机器学习的相关问题中的应用十分普......
聚类分析是数据挖掘领域中的关键技术之一。面对低维数据,传统的聚类算法能够取得理想的结果。随着数据获取技术的不断发展,数据的......
超像素分割是图像处理领域的一项基础性工作,其目的是根据像素内在特性,如颜色的一致性和纹理的相似性,将像素划分成若干个高语义......
在真实世界中,聚类算法得到了广泛的应用。基于子空间的聚类又是其中非常重要的一种方法。近年来,得益于深度网络强大的特征表达能......
作为聚类分析的一大分支,子空间聚类由于其在高维数据条件下表现出的优异性能引起了国内外的广泛关注。而深度学习和子空间聚类理......
高光谱遥感能够以纳米级光谱分辨率对感兴趣区域成像,具有“图谱合一,光谱连续”的特点,能够以较高的光谱诊断能力对目标地物进行......
高维数据通常存在于低维子空间中,随着现实世界中数据量变得越来越多,数据类型越来越复杂,通过恢复低维子空间来揭示数据内部结构......
聚类算法是数据挖掘的主要任务之一,其主要用于发现数据库中未知的对象类别。子空间聚类作为目前主流的聚类分析算法,被广泛运用于......
随着信息获取技术的进步,多视图数据变得无处不在,我们可以轻松地从异构特征空间获得具有多视图表示的数据。多视图聚类旨在利用多......
子空间聚类是传统聚类问题的拓展,目的是将位于多个子空间的并集上的数据点分割到其相应的子空间中。稀疏子空间聚类（SSC）和基于低秩......
聚类分析作为数据挖掘和模式识别等领域的重要工具,一直以来都是非常热门的研究话题之一,并得到了非常广泛的应用。但是,随着应用......
实际数据通常来自多个不完整的数据源,不完整的多视图聚类方法提供了一些自然的方法来聚类这些不完整的数据。先前的研究假设所有......
随着互联网的发展,现在数据越来越多样化并且复杂化。FCM算法对数据集有一定的局限性,通常在球状的类间分离明显,类内紧致的数据集......
社区矫正制度是国家治理体系的重要组成部分,既是顺应国际化的趋势,也是为贯彻落实我国宽严相济的刑事政策而进行的一项刑罚执行制......
机器学习和数据挖掘中多数数据类标签的缺失,使得聚类任务成为学习过程中的关键任务。聚类的最终目的是揭示数据的隐藏特性,因此对......
在数据挖掘领域,聚类作为一种重要的数据分析方法引起广泛关注,但数据规模不断扩大,数据结构日益复杂,维数也越来越高,很难使用传......
聚类分析是数据挖掘领域中重要的研究手段之一,其主要目标是在没有先验信息的情况下,把一个数据集的样本分为不同的类别,使得同一......
聚类分析是一种重要的无监督学习方法,旨在挖掘数据中潜在的数据结构和规律,将数据划分为多个簇类,是数据挖掘、机器学习以及信号......
子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架.近年来,由于深度神经网络能够有效地挖掘出......
随着时代发展,机器学习算法所使用的数据维度以及样本数量均已达到前所未有的规模。传统的聚类算法的假设已不再有效,其时间复杂度......
稀疏子空间聚类研究主要致力于摒除高维数据空间的干扰,挖掘数据真实的子空间结构。其中,块对角表示模型（BDR）对系数表示矩阵直接施......
随着信息的飞速发展,海量的数据涌现出来。如何在这些海量数据中寻找高维数据,并在高维数据中快速挖掘有效的信息是当前最需要解决......
聚类作为无监督学习算法的代表,一直以来都是学者研究的重要领域。随着信息技术的发展,如今的数据变得更加复杂。而传统的聚类算法......
近年来,科技发展日新月异,同时也带来了纷繁复杂的数据。数据恢复和聚类对分析高维数据有着重要的意义。许多高维数据通常近似地存......
随着生物技术快速发展,逐渐成熟的基因芯片技术产生越来越多的基因表达数据,其中通过对肿瘤基因表达数据进行聚类相关分析判定癌症......
分析了经典的CLIQUE聚类算法,阐述了该算法存在的局限性,针对该算法时间复杂度高和聚类精度低的问题,提出了一种改进的CLIQUE聚类......
计算机视觉、机器学习、图像处理等领域都会涉及到分类问题。所谓分类就是将相似的对象分为一组，将不相似的对象分到不同的组。分类......
基于稀疏表示和低秩表示的子空间聚类算法是目前的研究热点,但大多数子空间聚类方法只适用于线性子空间或仿射子空间。针对这一问......
大数据背景下,高维旅游数据的急剧增长使得传统聚类算法效果欠佳,而熵加权子空间算法可有效地实现高维数据聚类,获取特征对不同类......
张量分解是解决高维数据分析问题的有力工具。传统张量Tucker分解模型多采用各项同性假设,即各个因子矩阵具有相同的约束条件(例如......
聚类分析作为数据挖掘的一种方法，占有重要的地位。所谓聚类是一个将数据集划分为若干类(cluster)的过程，是否相似的度量是基于......
聚类分析是数据挖掘研究中最活跃的领域之一,用于将数据对象分组为多个类或簇,使得簇内对象尽可能相似而簇间对象尽可能相异。广泛......
监控视频中的异常行为识别技术是计算机从包含人的视频或图像序列中对人的行为进行理解和分类的技术。视频监控作为保障公共安全的......
近年来，随着工业生产产业结构的转变，批量生产方式显示出越来越重要的地位。批量控制的配方独立于设备之外，又与设备紧密联系，指导着生......
学位
通过对国内外子空间聚类的研究情况分析可知,已有的子空间聚类算法还存在如下问题:第一,面向数据流的子空间聚类算法较少;第二,在......
聚类分析是数据挖掘领域中的关键技术之一,在电子商务、信息过滤、生物信息学、模式识别等领域得到广泛应用。随着聚类在实际中的......
该文首先研究了非刚体特征点的对应问题.提出一种基于形状匹配的卡通运动捕捉算法.不同于以前基于骨架模型或者关键形状表示的方法......
随着信息时代大数据的爆发,当今各行各业产生大量的数据迫切需要被处理,它们不仅规模庞大、维度高并且数据内在结构复杂。高维数据......
传统的聚类算法一般是采用基于距离为基础的数据聚类,但是随着样本维数的不断增多,数据点的间距差别很小,这样就使基于距离度量的......
图像语义分析与描述是多媒体领域非常活跃的研究方向，研究目的是设计符合人类认知的算法和系统，实现图像信息的有效组织、管理和共享......
聚类是用于数据分析的一种有着广泛应用的统计方法。随着数据收集技术的不断发展进步，数据集的维度越来越高，在高维数据集上进行聚类......
互联网技术的迅猛发展，极大地改变了人们的生活，新闻浏览器、网上购物软件、电子商务、视频会议、聊天工具等各种网络应用不断涌现。......
高维数据通常有几十甚至成百上千个属性，而很多高维数据的类仅存在子空间内。子空间聚类算法尝试在数据集的不同子空间上探测和发现......
