原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第38卷摇第1期模式识别与人工智能Vol.38摇No.1
2025年1月PatternRecognitionandArtificialIntelligenceJan.摇2025
摇摇摇摇摇
摇摇摇摇摇
摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇
摇摇摇摇摇摇摇
摇摇摇摇
摇摇摇摇摇
面向动态数据的
摇摇摇摇摇
摇摇摇摇摇
摇摇摇摇摇
联合自表示子空间聚类方法
摇
111
张汉涛摇摇赵杰煜摇摇叶绪伦
摘摇要摇自表示子空间聚类方法在高维数据处理中表现优秀,已成为该领域的关键技术之一.然而,传统的自表示
模型通常假设数据集是静态的,难以适应动态、连续到达的数据流,会导致新旧数据存在特征异构、新到样本可能
包含未知新类别等情况.因此,文中提出联合自表示子空间聚类方法(JointSelf鄄ExpressiveSubspaceClusteringMeth鄄
od,JSSC),可适应数据流的连续到达.JSSC结合联合自表示特征学习模块和新类别样本处理模块,有效聚类新类
别样本,同时确保已有类别的聚类性能不受影响.此外,该方法利用深度自动编码器学习子空间基,实现直观、可解
释的表示,并通过成对目标和正则化项,同时管理已知类别和新兴类别.基准数据集上的实验表明,JSSC在聚类任
务中表现较优,尤其是在处理动态数据中的新类别方面.
关键词摇子空间聚类,自表示学习,子空间基,动态数据
引用格式摇张汉涛,赵杰煜,叶绪伦.面向动态数据的联合自表示子空间聚类方法.模式识别与人工智能,2025,
38(1):68-81.
DOI摇10.16451/ki.issn1003鄄6059.202501005摇摇摇摇摇摇中图法分类号摇TP183
JointSelf鄄ExpressiveSubspaceClusteringMethod
forDynamicData
111
ZHANGHantao,ZHAOJieyu,YEX
文档评论（0）