稀疏子空间聚类(Sparse subspace clustering,SSC)是一种基于谱聚类的数据聚类框架.高维数据通常分布于若干个低维子空间的并上,因此高维数据在适当字典下的表示具有稀疏性.稀疏子空间聚类利用高维数据的稀疏表示系数构造相似度矩阵,然后利用谱聚类方法得到数据的子空间聚类结果.其核心是设计能够揭示高维数据真实子空间结构的表示模型,使得到的表示系数及由此构造的相似度矩阵有助于精确的子空间聚类.稀疏子空间聚类在机器学习、计算机视觉、图像处理和模式识别等领域已经得到了广泛的研究和应用,但仍有很大的发展空间.本文对已有稀疏子空间聚类方法的模型、算法和应用等方面进行详细阐述,并分析存在的不足,指出进一步研究的方向.

MATLAB上的聚类/子空间聚类算法 此存储库不再处于主动开发中。 但是，欢迎对现有算法的实现提出任何问题。 [2020年10月] 1.聚类算法 K均值 K-均值++ 一般而言，该算法类似于K-means 。 与经典的K-means随机选择初始质心不同， K-means ++中集成了更好的初始化过程，在该过程中，远离现有质心的观测具有较高的被选为下一个质心的可能性。 可以使用适合比例选择来完成初始化过程。 ISODATA（迭代自组织数据分析） 简而言之， ISODATA引入了两个附加操作：拆分和合并； 当一类内的观察次数少于一个预定义阈值时， ISODATA会以两类间的最小距离合并两类；否则， ISODATA会合并两类。 当一个类别的类别内方差超过一个预定义阈值时， ISODATA将该类别分为两个不同的子类别。 均值漂移 对于每个点x ，找到邻居，计算均值向量m ，更新x

基于加权稀疏子空间聚类多特征融合图像分割.pdf

基于自表征和群组效应的子空间聚类算法.pdf

特征加权优化软子空间聚类算法比传统算法的优越性分析.pdf

基于最小二乘回归的分块加权子空间聚类.pdf

非负子空间聚类指导下的非负矩阵分解.pdf

#资源达人分享计划#

业分类-物理装置-一种潜在低秩表示的子空间聚类方法及装置.zip

模糊集matlab代码Fuzzy_Clustering_Algorithms 几种最先进的模糊聚类算法，包括模糊 c 均值聚类、模糊子空间聚类和最大熵聚类算法。 MATLAB 代码。 虹膜数据集中的三个例子。 FCM 演示 FCM算法： 运行 demo_fuzzy.m，选择超参数“choose_algorithm=1”。 聚类结果： 迭代1，迭代次数：12，Accuary：0.89333333 迭代2，迭代次数：12，Accuary：0.89333333 迭代3，迭代次数：12，Accuary：0.89333333 迭代4，迭代次数：12，Accuary：0.89333333 迭代5，迭代次数：12，Accuary：0.89333333 迭代6，迭代次数：12，Accuary：0.89333333 迭代7，迭代次数：12，Accuary：0.89333333 迭代8次，迭代次数：12，Accuary：0.89333333 迭代9，迭代次数：12，Accuary：0.89333333 迭代10，迭代次数：12，Accuary：0.89333333 算法平均迭代次数为：12.00 平均运行