Nonlinear subspace clustering for image clustering
Nonlinear subspace clustering for image clustering
复制标题
用于图像聚类的非线性子空间聚类
DOI：
10.1016/j.patrec.2017.08.023
复制
发表时间：
2017-08
影响因子：
5.1
通讯作者：
Jie Zhou
中科院分区：
文献类型：
--
作者：
Wencheng Zhu;Jiwen Lu;Jie Zhou
提出了一种用于图像聚类的非线性子空间聚类方法。与现有的大多数子空间聚类方法仅利用样本的线性关系来学习仿射矩阵不同，我们的NSC通过非线性神经网络揭示了样本的多聚类非线性结构。虽然基于核的聚类方法也可以解决样本的非线性问题，但这类方法存在可伸缩性问题。具体而言，我们的NSC采用前馈神经网络将样本映射到非线性空间中，并在网络的顶层执行子空间聚类，从而迭代学习映射函数和聚类问题。否则，我们的NSC应用基于分组效应的相似性度量来捕获数据的局部结构。实验结果表明，NSC的性能优于目前的先进技术。
We present in this paper a nonlinear subspace clustering (NSC) method for image clustering. Unlike most existing subspace clustering methods which only exploit the linear relationship of samples to learn the affine matrix, our NSC reveals the multi-cluster nonlinear structure of samples via a nonlinear neural network. While kernel-based clustering methods can also address the nonlinear issue of samples, this type of methods suffers from the scalability issue. Specifically, our NSC employs a feed-forward neural network to map samples into a nonlinear space and performs subspace clustering at the top layer of the network, so that the mapping functions and the clustering issues are iteratively learned. Otherwise, our NSC applys a similarity measure based on the grouping effect to capture the local structure of data. Experimental results illustrate that our NSC outperforms the state-of-the-arts.
登录
查看更多内容
DOI：
10.1109/iccv.2009.5459173
发表时间：
2009-09
期刊：
2009 IEEE 12th International Conference on Computer Vision
影响因子：
--
作者：
Fabien Lauer;C. Schnörr
通讯作者：
Fabien Lauer;C. Schnörr
影响因子：
10.6
作者：
Changxing Ding;Chang Xu;D. Tao
通讯作者：
Changxing Ding;Chang Xu;D. Tao
影响因子：
14.9
作者：
René Vidal
通讯作者：
René Vidal
DOI：
10.1109/cvpr.2003.1211411
发表时间：
2003-06
期刊：
2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003. Proceedings.
影响因子：
--
作者：
R. Vidal;Yi Ma;S. Sastry
通讯作者：
R. Vidal;Yi Ma;S. Sastry
DOI：
10.1007/978-1-4899-7687-1_100453
发表时间：
2017
期刊：
--
影响因子：
--
作者：
Weiwei Feng
通讯作者：
Weiwei Feng