吕红伟
- 作品数：2 被引量：4H指数：1
- 供职机构：江南大学数字媒体学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 预测子空间聚类的聚类集成算法被引量：1
- 2017年
- 鲁棒的预测子空间聚类(robust predictive subspace clustering,RPSC)算法通过在预测子空间聚类中引入RPCA(robust principal component analysis)模型来提高主元分析的鲁棒性,但是算法在执行变量选择和模型选择时,对稀疏参数以及最大子空间维数比较敏感,利用聚类集成良好的鲁棒性和泛化能力,提出预测子空间聚类的聚类集成算法.该算法首先利用RPSC算法的内在特性以及特征重采样技术一起来构造多样性的聚类成员;然后,采用加权连接三元组算法计算簇关联矩阵,发掘出隐藏在簇之间的关联信息;最后,通过谱图分割技术得到最终的集成结果.其优势在于既利用了RPSC算法的优越性能,同时又避免了精确选择参数的问题.实验结果表明,无论在无噪声或加噪声的环境下,新提出的算法都能够提高RPSC算法的聚类质量.
- 吕红伟王士同
- 关键词：聚类集成
- 基于RPCA对高维数据子空间聚类的预测方法被引量：3
- 2017年
- 预测子空间聚类PSC算法由于建立在PCA模型下,无法鲁棒地进行主元分析,导致在面对带有强噪声的数据时,聚类性能受到严重影响。为了提高PSC算法对噪声的鲁棒性,利用近年来受到广泛关注的RPCA分解技术得到数据的低秩结构,鲁棒地提取子空间,具体地,通过将RPCA模型融入PSC算法,提出了一种基于RPCA的预测子空间聚类算法。该算法在RPCA模型下检测强影响点,不但可以有效地进行变量选择和模型选择,而且更重要的是改善了PSC算法在噪声环境下的聚类性能。在真实基因表达数据集上的实验结果表明,改进后的算法较之经典的PSC算法无论在无噪声或加噪声环境下都表现出一定聚类优势及良好的鲁棒性。
- 吕红伟王士同
- 关键词：子空间聚类鲁棒性
