数学建模试题B结果.docVIP

参赛密码 （由组委会填写） 全 第十二届“中关村青联杯”全国研究生 数学建模竞赛 学 校 ** 参赛队号 *** 队员姓名 1.* 2.* 3.* 参赛密码 （由组委会填写） 第十二届“中关村青联杯”全国研究生 数学建模竞赛 题 目 数据的多流形结构分析 摘 要： 本文按照题目要求，建立局部稀疏约束特性模型，解决了独立子空间局内问题；建立基于差分演化算法的加强型的软子空间聚类(ESSC)模型和稀疏子空间聚类(SSC)算法模型，解决了低维子空间聚类问题和多流形聚类问题；建立改进稀疏子空间聚类算法模型，解决了实际应用中的子空间聚类问题；建立谱多流形聚类针对问题一：先采用LLE)算法对题目所给的高维数据进行降维处理，再建立局部稀疏约束特性模型，采用K-means算法对数据进行聚类，最终将序号1-40、141-200的数据点聚一类，序号41-140的数据点聚为另一类，类别比例，样本的类别标签见 针对问题三：引入稀疏奇异值矩阵和噪声矩阵，建立了改进的稀疏子空间聚类算法模型进行聚类，对于将十字中的点按照“横”和“竖”分类的聚类结果见正文图(7-1)。对于运动特征点提取问题，聚类得到三类特征点，样本类别标签如正文表7-1，各类别序号分别为：1-138，139-214，215-297，对应于图中小轿车，公交车，树及房屋；并采用基于光流场矢量图的方法验证了运动特征点聚类效果，根据光流场矢量图的趋势，进一步分析出小轿车和摄像者在此序列帧图像中处于运动状态，公交车处于静止状态。对两个人在不同光照下的人脸图像分类问题，聚类得出样本的类别标签为： 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2 1 1 1 1 1 相同的数字标签表示同一个人；采用基于图像复原的方法对人脸识别效果进行验证，结果准确，说明了模型具有可靠性，算法具有一般性。 针对问题四：对于两个实际应用中的多流行聚类问题，建立了谱多流形聚类模型，对圆台点云和机器工件外部边缘轮廓进行聚类。对于圆台点云：模型按照题目要求清晰地将其分为顶、底、侧面三类，结果见正文图8-1；对于机器工件外部边缘轮廓：按照不同的直线和圆弧几何结构，将其分为四类，结果见正文图8-2。 关键词： 多流形结构；K-means算法；差分演化；光流场矢量图  1.问题重述 1.1 问题提出的背景 我们已经进入了一个信息爆炸的时代，海量的数据不断产生，迫切需要对这些大数据 1.2 需要解决的问题 本几何结构分析问题中假设数据分布在多个维数不等的流形上，其特殊情况是数据分布在多个线性子空间上。请按照文献中的方法或以文献中的方法为基础创新新的方法完成以下问题， 创新部分一定要讲清思路，要具有一般性(例如不仅适应低维数据也适应高维数据)。回答方式：第1题，第3题的b与c请制作一个表格输出样本的类别标签，每行20个，其余题目请将分类结果画出： 问题一：问题一为子空间独立时，子空间聚类问题，题目要求将附件一1.mat中采样于两个独立的子空间的一组高维数据分成两类。 问题二：请处理附件二中四个低维空间中的子空间聚类问题和多流形聚类问题，如图1所示： 1) 将图1(a)中两条交点不在原点且互相垂直的两条直线分为两类； 2) 将图1(b)中一个平面和两条直线分为三类； 3) 将图1(c)中两条不相交的二次曲线分为两类； 4) 将图1(d)中两条相交的螺旋线分为两类。 图1- 1 问题三：解决以下三个实际应用中的子空间聚类问题，数据见附件三： 1) 使用适当的方法将图2(a)中十字上的点分成两类； 2)b)显示了视频中的一帧，有三个不同运动的特征点轨迹被提取出来保存在了3b.mat文件中，请使用适当方法将这些特征点轨迹分成三类； 3) 3c.mat中的数据为两个人在不同光照下的人脸图像共20幅(X变量的每一列为拉成向量的一幅人脸图像)，请将这20幅图像分成两类。 (a) (b) 图1- 2 (a) (b) 图1- 3 2.模型假设与符号说明 2.1 模型假设 假设1：对高维数据降维时，数据可能失真的部分对分析的影响不计； 假设2：数据集的特征提取过程中，不存在忽略部分； 假设3：题目中提供的数据集存在去噪的处理； 2.2 符号说明 符号 说 明 计算权值矩阵 稀疏表示的系数向量 V 初始聚类中心向量 C 样本基于数据集