论文部分内容阅读
低秩表示的目的是从整体上使得输入数据集的系数矩阵是低秩矩阵,但是它忽略数据集内部样本之间的关系,文中提出基于图正则化的低秩表示算法。在对传统低秩表示算法的求解中,通常是采用求解标准核范数的方式来近似矩阵的秩。标准核范数是计算矩阵的奇异值之和,然而矩阵的秩是计算非零奇异值的个数。因此,计算加权后的奇异值之和会更加接近矩阵的秩,进而文中提出基于图正则化的加权低秩表示模型。实验使用的是公开手写数字数据集,实验结果显示文中算法的聚类效果比低秩表示的提高了7.82%。