【技术实现步骤摘要】
基于非凸近似的低秩子空间的图像聚类方法
[0001]本专利技术属于智能信息处理
,具体涉及一种基于非凸函数近似的低秩子空间聚类模型,具体是一种可以用非凸函数代替秩函数的模型并且可以更好的接近秩的真实值的新型聚类方法。
技术介绍
[0002]随着科技的迅速发展,获取数据的方式更加多样化,海量的数据在人们生活的各个方面都起着重要的作用,对大规模数据的分析与处理日益在科学研究领域占据着举足轻重的地位。
[0003]子空间聚类是解决高维数据聚类的有效方法之一,其基本假设是高维数据往往存在于多个低维子空间的并集中。近年来,利用稀疏表示或低秩表示进行子空间聚类的研究受到广泛关注,并提出了一系列与之相关的新的子空间聚类算法,如稀疏子空间聚类(SSC)、低秩表示(LRR)及其变体低秩稀疏子空间聚类算法(LRSC)。这些算法的基本假设是数据是自表达的(即其子空间中的每个数据点可以表示为来自同一子空间的数据点的线性组合),其中,以上算法都是用凸函数核范数近似代替模型的秩函数,而且,核范数能在一定的约束条件和理论条件下可以精确地恢复秩。然而,在许多现实应用中,秩函数的核范数近似只能产生与最佳结果相距甚远的结果。为了寻求比核范数精度更高且比较稳定的秩替代函数,我们提出了基于对数行列式的秩近似,并将这种秩近似应用于子空间聚类。
技术实现思路
[0004]本专利技术针对现有技术的不足,提出了一种基于非凸近似的低秩子空间的图像聚类方法。
[0005]本专利技术方法包括以下步骤:
[0006]步骤(1) ...
【技术保护点】
【技术特征摘要】
1.基于非凸近似的低秩子空间的图像聚类方法,其特征在于:该方法具体包括以下步骤:步骤(1)、设X为图像信息矩阵,将酉不变函数作为Z的秩函数的代用函数,因此,数据子空间聚类方法的低秩表示约束表示为:其中,关于Z的ε
‑
LogDet函数为:上述式中,未知矩阵Z∈R
N
×
N
;为单位矩阵;λ为一个大于零的参数;为未知的误差;σ1···
σ
N
按降序表示Z∈R
N
×
N
的奇异值;ε表示一个参数,为了使代函数更紧密,以获得矩阵Z的更好的秩近似;步骤(2)、为进一步分离变量Z的项,使用交替方向乘子器ADMM方法解决目标函数优化问题;首先引入两个辅助项G和W,并得到辅助项的增广拉格朗日方程,通过固定变量,分别交替优化求解辅助项以解决优化问题;得到引入两个辅助项的增广拉格朗日方程如下:其中,W和γ为拉格朗日因子,μ>0为罚参数;步骤(3)、根据步骤(2)的增广拉格朗日函数,交替最小化的思想来更新一个变量,使其他变量不变;给定当前变量G
k
,E
k
,W
k
,γ
k
,Z
k
,更新优化求解Z,G,E,更新方案如下:,更新优化求解Z,G,E,更新方案如下:,更新优化求解Z,G,E,更新方案如下:步骤(4)、更新Z
k+1
,利用最小二乘估计,求解出步骤(3)中的Z
k+1
一个封闭解,求解过程如下:由于,I+X
T
X∈R
N
×
N
是一个N很大的矩阵,因此,使用Woodbury矩阵来计算Z
...
【专利技术属性】
技术研发人员:薛梦凡,杨岗,彭冬亮,陈明皓,贾士绅,陈怡达,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。