联合特征选择和光滑表示的子空间聚类算法

来源 :模式识别与人工智能 | 被引量 : 0次 | 上传用户:jwhyyx
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
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间聚类算法.首先基于自表示思想构建系数矩阵,将特征选择与数据重构纳入同一框架,同时使用权值因子衡量相关特征贡献度,并对系数矩阵进行组效应约束以保持局部性.通过交替变量更新法优化目标函数模型.在人造数据与标准数据库上的实验表明,文中算法在各项性能上均较优.
其他文献
目标跟踪过程中常遇到形变和部分遮挡问题.为了解决该问题,文中提出结合分层极限学习机和自适应结构化局部稀疏外貌模型的视觉跟踪算法.分层极限学习机具有提取鲁棒特征并快速分类的能力.自适应结构化局部稀疏外貌模型可以使跟踪结果更准确,也可以解决部分遮挡问题.在不同视频序列上的性能测试表明文中算法在保持较高跟踪精度的同时,跟踪过程也较稳定.
高斯混合模型(GMM)可以利用多个高斯分量捕捉图像集的变化信息,是一种良好的图像集描述方法.结合分量对称正定矩阵表示方法(CSPD),文中提出基于GMM的CSPD模型(G-CSPD).模型将图像集分成大小相同的子图像集,使用GMM描述每个子图像集,最终得到一个G-CSPD矩阵,该矩阵中元素描述子图像集之间相似性.在3个图像集上的实验表明,G-CSPD是具有鉴别性的图像集描述方法.
对基于工作室的高职数媒专业创新创业教育模式进行了较深入的探析,提出了新的教学模式及可行性方案,有助于本专业人才创新创业能力的培养。
【正】 语文教学有序与无序的现象语文教学作为一门学科是科学的、有序的。它体现在学科目标上是标准的。《大纲》规定的语文教学目的完整地表述了语文训练和思想政治教育二