首页|自适应图正则化稀疏编码算法

自适应图正则化稀疏编码算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Graph regularization sparse coding with adaptive neighbour

graph regularizationsparse codingimage clusteringadaptive clustering

余沁茹、卢桂馥、李华

展开 >

芜湖职业技术学院,安徽芜湖241000

安徽工程大学计算机与信息学院,安徽芜湖241009

图正则化 稀疏编码 图聚类 自适应聚类

国家自然科学基金国家自然科学基金安徽省自然科学基金

61976005617722771908085MF183

2023

10.15983/j.cnki.jsnu.2023029

陕西师范大学学报(自然科学版)
陕西师范大学

陕西师范大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：0.563
ISSN：1672-4291
年,卷(期)：2023.51(5)
  • 33