OPT OpenIR  > 瞬态光学技术国家重点实验室
基于柯西损失函数的子空间自表达模型聚类方法
李学龙; 鲁全茂; 董永生; 陶大程
2017-05-19
公开日期2017-11-07
授权国家中国
专利类型发明
摘要本发明公开了一种基于柯西损失函数的子空间自表达模型聚类方法。该方法实现步骤是:1)用柯西损失函数对噪声项进行约束,2)使用简单的Frobenius范数对系数矩阵进行约束;(3)通过步骤1)和步骤2)构造目标函数表达式;4)简化步骤3)的表达式;5)通过对目标函数进行求导,并且令导数为0,得到迭代公式,再进行迭代求解,得到系数矩阵;6)通过步骤5)求解到的系数矩阵构造相似度矩阵S;7)基于谱聚类的方法对数据进行划分,得到最终的聚类结果。利用本发明对噪声项进行惩罚,从而减小噪声对学习相似度矩阵的影响,可以使得相似的数据得到相同的类别标签,从而得到精度较高的聚类结果。
主权项1)基于柯西函数对子空间自表达模型中的噪声项进行约束,表达式如下:   Σ  i = 1  n  l o g  ( 1 +   | |  x i  -  Xz i  |  | 2 2    c 2   )  ,   其中,X表示原始数据集,xi和zi分别表示第i个数据点以及对应的系数表达,c是一个常数;
授权日期2017-11-07
专利号CN201710358956.2
语种中文
专利状态审查中-公开
文献类型专利
条目标识符http://ir.opt.ac.cn/handle/181661/29762
专题瞬态光学技术国家重点实验室
作者单位中国科学院西安光学精密机械研究所
推荐引用方式
GB/T 7714
李学龙,鲁全茂,董永生,等. 基于柯西损失函数的子空间自表达模型聚类方法. CN201710358956.2[P]. 2017-05-19.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CN_107316050_A.pdf(190KB)专利 开放获取CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[李学龙]的文章
[鲁全茂]的文章
[董永生]的文章
百度学术
百度学术中相似的文章
[李学龙]的文章
[鲁全茂]的文章
[董永生]的文章
必应学术
必应学术中相似的文章
[李学龙]的文章
[鲁全茂]的文章
[董永生]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。