基于分布式低秩表示的子空间聚类算法

来源：计算机研究与发展杂志2016年第7期北京时间：

作者：许凯,吴小俊,尹贺峰,

摘要：针对基于低秩表示的子空间分割算法运算时间较长、聚类的准确率也不够高，提出一种基于分布式低秩表示的稀疏子空间聚类算法(distributedlowrankrepresentation-basedsparsesubspaceclusteringalgorithm,DLRRS)，该算法采用分布式并行计算来得到低秩表示的系数矩阵，然后保留系数矩阵每列的前k个绝对值最大系数，其他系数置为0，用此系数矩阵构造一个稀疏的样本关系更突出的相似度矩阵，接着用谱聚类得到聚类结果.但是其不具备增量学习功能，为此再提出一种基于分布式低秩表示的增量式稀疏子空间聚类算法(scalabledistributedlowrankrepresentationbasedsparsesubspaceclusteringalgorithm,SDLRRS)，如果有新增样本，可以利用前面的聚类结果对新增样本进行分类得到最后的结果.实验结果表明:所提2种子空间聚类算法不仅有效减少算法的运算时间，还提高了聚类的准确率，从而验证算法是有效可行的.

关键词：低秩表示, 子空间聚类, 并行计算, 增量学习, 系数重建,