摘要
在GraphSC算法中,拉普拉斯图是预先定义并且固定不变的,并不会参与之后对于字典与稀疏编码的学习过程,而预先定义的拉普拉斯图往往不是最合适的.针对此问题,提出了自适应正则化稀疏编码(graph regularization sparse coding with adaptive neighbour,GraphSCAN)算法.该算法使用自适应方法构建合适的局部拉普拉斯图,然后将其加到SC的目标函数中;从而将图的构建和稀疏编码纳入到统一框架中,使得图的构建与稀疏编码的运算同时迭代进行.在CMU人脸数据与COIL20数据上进行的图像聚类实验结果验证了 GraphSCAN算法的有效性.
国家科技期刊平台
NSTL
维普
万方数据