-
题名一种基于低秩表示的子空间聚类改进算法
被引量：26
- 1
-
-
作者
张涛
唐振民
吕建勇
-
机构
南京理工大学计算机科学与工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2016年第11期2811-2818,共8页
-
基金
国家自然科学基金(61473154)
-
文摘
该文针对现有的基于低秩表示的子空间聚类算法使用核范数来代替秩函数,不能有效地估计矩阵的秩和对高斯噪声敏感的缺陷,提出一种改进的算法,旨在提高算法准确率的同时,保持其在高斯噪声下的稳定性。在构建目标函数时,使用系数矩阵的核范数和Forbenius范数作为正则项,对系数矩阵的奇异值进行强凸的正则化后,采用非精确的增广拉格朗日乘子方法求解,最后对求得的系数矩阵进行后处理得到亲和矩阵,并采用经典的谱聚类方法进行聚类。在人工数据集、Extended Yale B数据库和PIE数据库上同流行的子空间聚类算法的实验对比证明了所提改进算法的有效性和对高斯噪声的鲁棒性。
-
关键词
子空间聚类
低秩表示
秩函数
Forbenius范数
增广拉格朗日乘子法
-
Keywords
Subspace clustering
Low rank representation
Rank function
Forbenius norm
Augmented Lagrange multiplier method
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名最小一乘聚类中心模型及算法
被引量：2
- 2
-
-
作者
蔡广基
严玉清
李师贤
-
机构
广东湛江师范学院信息学院
中山大学计算机科学系
-
出处
《计算机科学》
CSCD
北大核心
2008年第7期195-196,共2页
-
文摘
本文首次提出最小一乘聚类中心的数学模型,对于不可微目标函数推导了最优解的条件,同时构造了最小一乘聚类中心的逼近点列,给出了相应的算法,并研究了一个不带类别标记的两类分类问题。最后讨论了最小一乘聚类中心能抵御样本中噪声的数学机理,并通过例子说明了此方法的有效性。
-
关键词
最小一乘方法
聚类中心
不可微函数
-
Keywords
least norm method, cluster center, nondifferential function
-
分类号
O141.4
[理学—基础数学]
TE155
[石油与天然气工程—油气勘探]
-
-
题名中国各省区竞技体育效率评估的模式研究
被引量：14
- 3
-
-
作者
李淞淋
李联堂
-
机构
中国人民大学统计学院
河南濮阳职业技术学院体育系
-
出处
《成都体育学院学报》
CSSCI
北大核心
2014年第2期26-32,共7页
-
文摘
竞技体育效率研究可用于评估一个国家或地区向体育运动的投资效率,寻找竞技体育效率发展的影响因素,为进一步提高当地的体育水平提供思路。采用包络分析方法和基于面板数据的K-中心函数聚类方法分析中国31个省、市、区在1994-2013年期间的经济、人口和全运会奖牌情况,发现区域竞技体育效率发展趋势明显存在较大差异;结合各省区的实际情况,具体地将31个省(市)具体分为经济主导型高效率组、人口主导型高效率组、经济优势型低效率组、人口优势型低效率组、双优势型低效率组五种竞技体育效率发展模式;研究讨论了每种模式下竞技体育效率上升或下降的原因,为将来提升各省、市、区的竞技体育效率提供建议。
-
关键词
DEA
K-中心函数聚类方法
面板数据
竞技体育效率
-
Keywords
DEA, k -centers functional clustering method
panel data, competitive sports efficiency
-
分类号
G812.4
[文化科学—体育学]
-
-
题名基于类中心和密切度的L-2范数FSVM
被引量：1
- 4
-
-
作者
李雷
杨真真
杨永鹏
-
机构
南京邮电大学理学院
南京邮电大学电子科学与工程学院
-
出处
《南京邮电大学学报（自然科学版）》
2010年第6期34-37,42,共5页
-
基金
国家自然科学基金(10371106
10471114
+4 种基金
61070234
61071167)
江苏省高校自然科学基金(04KJB110097
08KJB520003)
南京邮电大学攀登计划(NY207064)资助项目
-
文摘
支持向量机(SVM)是解决回归问题的一种有效的方法,但传统的支持向量机对样本中的噪声和孤立点非常敏感。为了克服这个问题,文中提出了一种基于类中心和密切度的L-2范数模糊支持向量机(L-2范数FSVM),即模糊隶属度的建立不仅根据样本到类中心的距离,而且根据样本点和其目标点之间的密切度。仿真实验结果显示了该方法有效地减少了噪声的影响,改进了回归的精度,增强了推广能力。
-
关键词
L-2范数模糊支持向量机(L-2范数FSVM)
模糊隶属度函数
类中心
密切度
信息几何
-
Keywords
L-2 norm fuzzy support vector machine（L-2 norm FSVM）
fuzzy membership function
cluster center
affinity
information geometry
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
