文章摘要
引用本文:刘展杰,陈晓云.基于二维最小二乘回归的子空间分割[J].福州大学学报(自然科学版),2016,44(3):431~436
基于二维最小二乘回归的子空间分割
Two-dimensional least square regression based subspace segmentation
  
DOI:10.7631/issn.1000-2243.2016.03.0431
中文关键词: 聚类  最小二乘回归  子空间分割  二维样本
英文关键词: clustering  least square regression  subspace segmentation  2-dimensional space
基金项目:
作者单位
刘展杰 福州大学数学与计算机科学学院福建 福州 350116 
陈晓云 福州大学数学与计算机科学学院福建 福州 350116 
摘要点击次数: 341
全文下载次数: 318
中文摘要:
      现实中有很多样本数据是二维的,且多数聚类方法需将二维样本数据向量化,从而导致二维数据的内部几何信息丢失. 针对这一问题,提出二维最小二乘回归子空间分割方法直接对二维数据进行聚类,将一维最小二乘回归子空间分割方法推广到二维,使得原始数据的结构信息得以保留. 在人脸数据集和哥伦比亚大学图像数据集上进行实验,结果表明该方法是有效的.
英文摘要:
      In reality,most of data is two-dimensional,and most of clustering methods process the data with vectorization first. This practice leads to loss internal geometry information of data. To solve this problem,a two-dimensional least square regression method based subspace segmentation is put forward for clustering on 2-dimensional data. 1-dimensional space is extended to 2-dimensional space,and it keeps the structure information of original data. Experimental results show that this method is effective on face databases and the Columbia University Image Library.
查看全文   查看/发表评论  下载PDF阅读器
关闭