模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (3): 221-233    DOI: 10.16451/j.cnki.issn1003-6059.202003004
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
联合lp/l2,p范数极小化的序列子空间聚类算法
胡文玉1, 李声豪1, 涂志辉1, 易云1
1.赣南师范大学 数学与计算机科学学院 赣州 341000
Sequential Subspace Clustering via Joint lp/l2,p-Norms Minimization
HU Wenyu1, LI Shenghao1, TU Zhihui1, YI Yun1
1.School of Mathematics and Computer Science, Gannan Normal University, Ganzhou 341000

全文: PDF (1106 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为了有效挖掘序列数据的时空信息,提出联合lpl2,p范数极小化的序列子空间聚类算法.首先,定义依赖于样本距离的权重,构造基于l2,p范数的时序图,刻画数据在时间维度上的局部相似性.然后,考虑到非凸lp0<p<1范数最小化通常结果优于凸的l1范数,能更有效地切断语义无关数据间的联系,所以采用lp范数度量表示矩阵的稀疏性.最后,通过线性化交替方向法求解优化模型.在视频、运动、人脸数据上的实验表明文中算法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
胡文玉
李声豪
涂志辉
易云
关键词 子空间聚类序列数据稀疏编码低秩表示    
Abstract:To extract the spatio-temporal information in sequential data effectively, a sequential subspace clustering method via joint lp/l2,p-norms minimization is proposed. Firstly, a l2,p-norm temporal graph is constructed to describe local similarity along the temporal direction by defining the sample-distance dependent weights. Secondly, since non-convex lp-norm(0<p<1) minimization delivers better results than convex l1-norm minimization does, and it removes more links between semantically-unrelated samples, lp-norm is adopted to measure the sparsity of representation matrix. Finally, the linearized alternating direction method is employed to solve the optimization model. Experiments on video dataset, motion dataset, and face dataset confirm the effectiveness of the proposed method.
Key wordsSubspace Clustering    Sequential Data    Sparse Coding    Low-Rank Representation   
收稿日期: 2019-11-08     
ZTFLH: TP 391.41  
基金资助:国家自然科学基金项目(No.61863001,61962003,11661007,61702244,11761010)、江西省自然科学基金项目(No.20181BAB202021,20192BAB205086)、江西省研究生创新专项资金项目(No.YC2019-S393)、赣南师范大学科研项目(No.18zb04,YCX18B001)资助
通讯作者: 易 云,博士,讲师,主要研究方向为计算机视觉、视频内容理解.E-mail:yunyics@163.com.   
作者简介: 胡文玉,博士,副教授,主要研究方向为机器学习、张量计算.E-mail:huwenyu@gnnu.edu.cn. 李声豪,硕士研究生,主要研究方向为机器学习、计算机视觉.E-mail:lshymfl@163.com. 涂志辉,硕士研究生,主要研究方向为机器学习、计算机视觉.E-mail:tuzh_2019@163.
引用本文:   
胡文玉, 李声豪, 涂志辉, 易云. 联合lp/l2,p范数极小化的序列子空间聚类算法[J]. 模式识别与人工智能, 2020, 33(3): 221-233. HU Wenyu, LI Shenghao, TU Zhihui, YI Yun. Sequential Subspace Clustering via Joint lp/l2,p-Norms Minimization. , 2020, 33(3): 221-233.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202003004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I3/221
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn