基于独立子空间分析网络的聚类算法研究

《基于独立子空间分析网络的聚类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于独立子空间分析网络的聚类算法研究作者姓名苏舂晨学科专业信号与信息处理指导教师傅予力教授所在学院电子与信息学院论文提交日期２０１８年５月ＴｈｅＲｅｓｅａｒｃｈｏｆＣｌｕｓｔｅｒｉｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎｇｇＩｎｄｅｐｅｎｄｅｎｔＳｕｂｓｐａｃｅＡｎａｌｙｓｉｓＮｅｔｗｏｒｋｓＡＤｉｓｓｅｒｔａｔｉｏｎＳｕｂｍｉｔｔｅｄｆｏｒｔｈｅＤｅｇｒｅｅｏｆＭａｓｔｅｒＣａｎｄｉｄａｔｅ：ＳｕＣｈｕｎｃｈｅｎＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＦｕＹ

2、ｕｌｉＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙＧｕａｎｇｚｈｏｕＣｈｉｎａ，分类号：１０５６１：ＴＰ３９１学校代号学号：２０１５２０１０９４２０华南理工大学硕士学位论文基于独立子空间分析网络的聚类算法研究：：苏春晨指导教师姓名傅予力教授作者姓名、职称：申请学位级别：工学硕士学科专业名称信号与信息处理研宄方向：机器学习：２０１８６４论文提交日期：２０１８年５月３１日论文答辩日期年月日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：向友君副教授

3、：傅予力教授委员、周智恒教授、李波副教授、余卫宇副教授华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研宄所取得的研究成果，本论文不包含任何。除了文中特别加以标注引用的内容外其他个人或集体己经发表或撰写的成果作品。对本文的研宄做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。：日期作者签名：年＜月６曰学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定：，即研宄生在校攻读学位期间论文工作的知识产权单位属华

4、南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可以公布学位论文的全部或、、部分内容，可以允许采用影印缩印或其它复制手段保存汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于：□保密（校保密委员会审定为涉密学位论文时间：日）年月，＿＿＿于年月日解密后适用本授权书。＿＿＿ｆ不保密，▽，同意在校园网上发布供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志社全文出版和编入ＣＮＫＩ《中国知识资

5、源总库》，传播学位论文的全部或部分内容。“”（请在以上相应方框内打Ｖ）作者签名：日期：指导教师签名日期：作者联系电话：电子邮箱：联系地址（含邮编）：摘要独立子空间分析（ＩｎｄｅｐｅｎｄｅｎｔＳｕｂｓｐａｃｅＡｎａｌｙｓｉｓ，ＩＳＡ）具有非常有效的非线性特征提取能力，在人脸识别，图像分割，图像理解和图像聚类等方面得到广泛的应用。在这些实际应用中，关键在于提取数据的有效特征，现有许多提取特征的方式都较直接，很少利用到数据的原始结构信息。本文以独立子空间分析网络为基础，提出基于带数据稀疏先验信息的深度网络学习聚类算法，它

6、将训练获得的数据先验子空间信息，作为独立子空间分析网络的输出约束，并用于聚类分析。本论文主要针对单层和多层子空间分析网络学习提出两种方法。一本文将原始数据的结构信息引入到模型中，提出种带稀疏先验的独立子空间分析（ＩｎｄｅｐｅｎｄｅｎｔＳｕｂｓｐａｃｅＡｎａｌｙｓｉｓｗｉｔｈＳｐａｒｓｉｔｙＰｒｉｏｒ，ＩＳＡＳＰ）网络。ＩＳＡＳＰ网络将数据从输入空间非线性映射到特征空间，得到数据的特征向量，并且使该特征向量与原始数据具有相似的子空间结构。数据的特征向量被用于构建数据的关联矩阵（ａｆｆｉｎｉｔｙｍａｔｒｉｘ），然后使用谱聚类算法得到

7、数据的聚类结果。ＩＳＡＳＰ利用数据的稀疏先验信息对网络输出进行约束，使得模型可以更偏向于给出数据的最优特征。本论文将模型在两个基准数据集上的聚类实验结果与其他算法进行对比来验证ＩＳＡＳＰ的性能。Ａ一针对输入数据特征维度的变大，ＩＳＳＰ模型的效率会逐渐降低的问题，提出种堆叠式的带稀疏先验的独立子空间分析（Ｓｔａｃｋｅｄ－ＩＳＡＳＰ）网络。该算法将输入数据进行切分，并分别输入到多个ＩＳＡＳＰ子单元中，从而降低网络的参数复杂度。本论文通过在－Ｐ正ＣＭＵ，ＯＲＬ，ＣＯＩＬ２０和ＵＳＰＳ这四个基准数据集的实验结果验证算法的性能。在聚类任务方面

8、，本文介绍了几种常用的聚类算法，通过对