图正则化弹性网子空间聚类.pdfVIP

JournalofComputerApplicationsISSN1001⁃90812025⁃05⁃10

计算机应用,2025,45(5):1464-1471CODENJYIIDUhttp://www.joca.cn

文章编号：1001-9081（2025）05-1464-08DOI:10.11772/j.issn.1001-9081.2024050651

图正则化弹性网子空间聚类

1，21，2*1，2

郭书剑，余节约，尹学松

（1.杭州电子科技大学人文艺术与数字媒体学院，杭州310037；2.杭州电子科技大学温州研究院，浙江温州325038）

（∗通信作者电子邮箱40579@hdu.edu.cn）

摘要：基于图的子空间聚类（SC）已成为有效处理高维数据的流行技术。然而，现有方法存在以下问题：构建的

图忽略了与聚类建立关联以及无法捕捉数据的内在相关结构。为了解决上述问题，提出一个新的SC方法——图正

则化弹性网子空间聚类（GENSC）。GENSC使用L范数正则化强化具有相关结构的样本之间的连通性，并使用L范数

21

正则化摒弃不同子空间的样本之间的连通性；同时，构建表征的最近邻图捕捉样本之间的内在局部结构，并增加秩约

束以鼓励所学习的图具有清晰的聚类结构。GENSC将L范数、L范数和秩约束刻画到一个一般的框架中，并提出一

21

个迭代的优化算法来求解该框架。在9个真实数据集上与现有方法进行比较的实验结果表明，在ChinaCXRSet上，

GENSC的精确度（Accuracy）和归一化互信息（NMI）值分别超出次优方法9.03和7.61个百分点，聚类纯度（Purity）达

到最好；在UMIST上，GENSC的精确度、NMI和Purity值分别超出次优方法4.15、3.17和5.21个百分点，验证了

GENSC的有效性。

关键词：机器学习；子空间聚类；图正则化；弹性网；秩约束

中图分类号：TP181文献标志码：A

Graphregularizedelasticnetsubspaceclustering

GUOShujian1，2，YUJieyue1，2*，YINXuesong1，2

（1.SchoolofMediaandDesign，HangzhouDianziUniversity，HangzhouZhejiang310037，China；

2.WenzhouInstituteofHangzhouDianziU