数据的多流结构分析.docVIP

数据的多流形结构分析 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是局部具有欧氏空间性质的空间欧氏空间就是流形最简单的实例一个高维欧氏空间中的低维流形假设，流形学习，并求出相应的嵌入映射。 (a)(b) (c)(d) 图1 3. 请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 （a）受实际条件的制约，在工业测量中往往需要非接触测量的方式，视觉重建是一类重要的非接触测量方法。特征提取是视觉重建的一个关键环节，如图2（a）所示，其中十字便是特征提取环节中处理得到的，十字上的点的位置信息已经提取出来，为了确定十字的中心位置，一个可行的方法是先将十字中的点按照 “横”和“竖”分两类。请使用适当的方法将图2（a）中十字上的点分成两类。 （b）运动分割是将视频中有着不同运动的物体分开，是动态场景的理解和重构中是不可缺少的一步。基于特征点轨迹的方法是重要的一类运动分割方法，该方法首先利用标准的追踪方法提取视频中不同运动物体的特征点轨迹，之后把场景中不同运动对应的不同特征点轨迹分割出来。已经有文献指出同一运动的特征点轨迹在同一个线性流形上。图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。 (a)(b) 图2 （c）3c.mat中的数据为两个人在不同光照下的人脸图像共2