统一框架的增强深度子空间聚类方法.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812024⁃07⁃10

计算机应用,2024,44(7):1995-2003CODENJYIIDUhttp：//www.joca.cn

文章编号：1001-9081（2024）07-1995-09DOI：10.11772/j.issn.1001-9081.2023101395

统一框架的增强深度子空间聚类方法

*

王清，赵杰煜，叶绪伦，王弄潇

（宁波大学信息科学与工程学院，浙江宁波315211）

（∗通信作者电子邮箱zhao_jieyu@nbu.edu.cn）

摘要：深度子空间聚类是一种处理高维数据聚类任务的有效方法。然而，现有的深度子空间聚类方法通常将自

表示学习和指标学习作为两个独立的过程，导致在处理具有挑战性的数据时，固定的自表示矩阵会导致次优的聚类

结果；另外，自表示矩阵的质量对聚类结果的准确性至关重要。针对上述问题，提出一种统一框架的增强深度子空间

聚类方法。首先，通过将特征学习、自表示学习和指标学习集成在一起同时优化所有参数，根据数据的特征动态地学

习自表示矩阵，确保准确地捕捉数据特征；其次，为了提高自表示学习的效果，提出类原型伪标签学习，为特征学习和

指标学习提供自监督信息，进而促进自表示学习；最后，为了增强嵌入表示的判别能力，引入正交性约束帮助实现自

表示属性。实验结果表明，与AASSC（AdaptiveAttributeandStructureSubspaceClusteringnetwork）相比，所提方法在

MNIST、UMIST、COIL20数据集上的聚类准确率分别提升了1.84、0.49、0.34个百分点。可见，所提方法提高了自表示

矩阵学习的准确性，聚类效果更好。

关键词：深度子空间聚类；自表示学习；指标学习；亲和矩阵；正交约束

中图分类号：TP181文献标志码：A

Enhanceddeepsubspaceclusteringmethodwithunifiedframework

*

WANGQing，ZHAOJieyu，YEXulun，WANGNongxiao

（CollegeofInformationScienceandEngineering，NingboUniversity，NingboZhejiang315211，China）

Abstract:Deepsubspaceclusteringisamethodthatperformswellinprocessinghigh-dimensionaldataclustering

tasks.However，whendealingwithchallengingdata，currentdeepsubspaceclusteringmethodswithfixedself-expr