基于雙重自表達(dá)與最大熵原理的深度子空間聚類算法

摘要： 深度子空間聚類算法使用深度神經(jīng)網(wǎng)絡(luò)將原始輸入數(shù)據(jù)映射至潛在空間，并利用數(shù)據(jù)的自表達(dá)性作為數(shù)據(jù)相似程度的度量，從而實(shí)現(xiàn)對(duì)高維數(shù)據(jù)的有效聚類。然而，這類算法僅關(guān)注潛在空間中的自表達(dá)關(guān)系，導(dǎo)致其性能嚴(yán)重依賴于深度神經(jīng)網(wǎng)絡(luò)所提取特征的質(zhì)量。此外，正則化過程忽略各空間內(nèi)的連通性，影響譜聚類算法的性能。針對(duì)這些問題，提出了基于雙重自表達(dá)與最大熵原理的深度子空間聚類算法。該算法同時(shí)學(xué)習(xí)潛在空... （共8頁）