计算机工程与科学

作者：李猛, 刘姿邑, 宋宇航

单位：（西安工程大学计算机科学学院，陕西 西安 710048）

关键词：子空间聚类,自表达,深度神经网络,最大熵原理,

基金：陕西省教育厅重点项目（22JS019）

深度子空间聚类算法使用深度神经网络将原始输入数据映射至潜在空间，并利用数据的自表达性作为数据相似程度的度量，从而实现对高维数据的有效聚类。然而，这类算法仅关注潜在空间中的自表达关系，导致其性能严重依赖于深度神经网络所提取特征的质量。此外，正则化过程忽略各空间内的连通性，影响谱聚类算法的性能。针对这些问题，提出了基于双重自表达与最大熵原理的深度子空间聚类算法。该算法同时学习潜在空间与输入空间的自表达关系，以引导深度神经网络获得适合于子空间聚类的数据表示。通过最大化相似度矩阵的熵，确保同一子空间的元素分布均匀且密集，从而提升数据聚类性能。在5个数据集上进行大量实验，验证了所提算法的有效性。

来源：2024年第9期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第9期