基于稀疏子空间的高维数据聚类关键技术研究与应用

《基于稀疏子空间的高维数据聚类关键技术研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ｍ．ｙ：写毛击种故＊著—ＲＵＮＩＴＹＯＦＥＣＴＲＯＮＥＮＤ亡ＣＭＮＯＬＯＧＹＯＦＣＨＩＮＡ与ＩＶ巨ＳＬＥＩＣＳＣＩＥＮＣＡＴ硕±学位论文ＩＭＡＳＴＥＲＴＨＥＳＩＳ減聲’ｂ－．／＞产碱＼＇＊－ｉ曼１ｉ與严ｐ！槪誦：：ｊ，论文题目釘欄Ｅ巧剛織緻臟类关纖支术Ｐ＇妍究与应用ｉｌｐ学科专並计算机巧用技术学号２０１３２１０６０４２５：：作者姓名黄青君＇指导教师纪禄平副教授＾独创性声明本人声明所呈交的学位论文足本人在导帅

2、巧巧＇Ｋ进行的研究；Ｉ；作。及耿得的硏究成巧据我所知，餘了文中巧别加ＵＵ乐注和致谢的地乂外，论文中小化含化他人已经发裝或撰写过的研究成果，也不包巧为获得化子科技大学或其它教行机构的学位或证书而化用过的材料。一巧同；Ｔ；作的巧志对本硏究所做的任何贡献均ｌＡ在论文中作了明确的说明井衷示谢恵。＾作者签名：：＾１年ｊ易山朔５Ｗ２！（论义使用授权本学位论义作者完全ｒ解化子科技大学有乂保留、化川学位论文的规定，巧权保留并向国家有关部ｎ或化构送义论义的复印件和磁捕，允许论文被宵阅和借阅。本人授仅化子科技大学可Ｌｉｌ将学位论义的全部或部分内容编入有关数

3、据库进行检，索可化采用影印、缩印或村描等、汇编。赁制于段保存学位论义（保密）的学位论文应遮在解密后巧此规定：：作者签名巧师綻名：ｎ｜－！蝴巧巧２若５别（束分类号密级注1UDC学位论文基于稀疏子空间的高维数据聚类关键技术研究与应用（题名和副题名）黄青君（作者姓名）指导教师纪禄平副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业计算机应用技术提交论文日期2016.03.30论文答辩日期2016.05.19学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。ResearchonKeyTechn

4、ologiesofClusteringHigh-dimensionalDataBasedonSparseSubspaceandTheirApplicationsAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerAppliedTechnologyAuthor:QingjunHuangSupervisor:AssociateProfessorLupingJiSchool:SchoolofComputerScience&Engineering摘要摘要随着社会的不断

5、进步，计算机技术、互联网技术等不断发展，数据也越来越丰富和复杂，针对丰富且复杂的数据进行聚类分析的重要方向也越来越受到人们的关注，高维数据聚类更是重点研究的领域。高维数据所带来的“维灾”，使得本来在低维数据上聚类可取得良好效果的方法不能取得好的聚类效果，从而提出了针对高维数据的聚类方法，主要分为维度约减和子空间方法。由于维度约减的方法无法保证不损失原始数据的信息，基于子空间的方法称为高维数据聚类的重要研究方向。子空间聚类方法有许多基于搜索的方法，比如CLIQUE、PROCLU等，都是基于某种搜索策略，在子空间中搜索类簇，但是由于数据分布的密度往往是不一致的，基于搜索的方法往往得不

6、到理想的结果。本文重点研究稀疏子空间聚类方法，其基于数据的自表达性，利用解决稀疏优化问题，将高维数据聚类问题转化为对图的划分问题，基于图的划分原理，采用谱聚类思想，将图划分为几个连通分量，达到聚类的目的，具有比较好的鲁棒性。本文首先介绍了一些经典的聚类方法、针对高维数据聚类的相关方法以及经典的子空间聚类方法。然后重点研究了稀疏子空间聚类算法的基础理论及其整个算法流程。然后给出了针对经典稀疏子空间聚类方法的两点改进。最后基于LBP的相关方法提取图像特征，将改进的稀疏子空间聚类方法解决纹理图像和人脸图像聚类问题。本文的主要工作和创新点如下：1、基于非对称拉普拉斯矩阵L改进稀疏子空间（

7、SSC）聚类算法。利用非对rw称拉普拉斯矩阵L对经典稀疏子空间聚类方法进行了改进，减少了SSC的时间复rw杂度，提高了聚类的速度。2、基于权值矩阵预设K-means聚类初始聚类中心，改进稀疏子空间聚类算法。基于解稀疏优化问题后得到的权值矩阵W的性质，在稀疏子空间聚类的最后利用K-means方法时，设置相对合理的初始聚类中心，可以防止K-means方法聚类时陷入局部最优或者结果不稳定，提高了聚类的准确率。3、给出一种了利用多尺度LBP旋转不变模式和稀疏子空间聚类算法的纹理图像聚类方