- 博客(534)
- 资源 (22)
- 收藏
- 关注
RSS订阅原创 2024《A Rapid Review of Clustering Algorithms》
本文是一篇简洁、实用、面向应用的聚类算法快速指南。其最大价值在于提出的五维分类框架，帮助读者快速定位算法特性、能力边界与适用场景。尽管对深度聚类等新兴方向着墨不多（因定位为“快速综述”），但其对经典算法的系统梳理和评估指标的清晰阐述，使其成为初学者入门和实践者选型的绝佳参考。对于希望快速掌握聚类算法全景图的研究者和工程师，本文具有很高的实用价值。
2025-12-22 19:38:11
422
原创 2024《Three-way clustering: Foundations, survey and challenges》
本文是三路聚类领域首篇系统性综述首次形式化定义 3W 聚类的数学框架，厘清其与 2W 聚类的本质区别；提出清晰的三分类体系，涵盖从理论雏形到现代自适应方法；通过文献计量分析（2013–2023），揭示领域发展脉络与研究热点；明确指出评估指标缺失这一关键瓶颈，为后续研究指明方向。该文不仅为研究者提供了方法选型与设计的路线图，更强调了“不确定性建模”在无监督学习中的重要性，对推动聚类从“确定性决策”向“风险感知决策”演进具有深远意义。
2025-12-22 19:34:43
302
原创 2022-《Deep Clustering: A Comprehensive Survey》
本文是一篇结构清晰、覆盖全面、视角新颖的深度聚类领域权威综述。其最大价值在于跳出了“网络架构”的单一维度，从数据源和任务设定的更高层面构建了统一的分类体系，为研究者提供了按需选型、按问题定制方法的清晰路线图。同时，文章对各类方法的优劣、适用场景及未来挑战的分析，具有极强的指导意义，是该领域研究者不可或缺的参考文献。
2025-12-22 19:30:29
685
原创 TNNLS-2025《Cross-View Approximation on Grassmann Manifold for Multiview Clustering》
（Algorithm 2）来求解上述复杂问题。上的平滑度，值越大表示聚类结构与图结构越一致。，直接从多视图的图结构和特征中学习出一个。将比率问题（问题3）转化为一个带参数。：衡量加权后的多视图图结构在聚类空间。：衡量学习到的跨视图嵌入子空间。该论文针对当前多视图聚类方法中。论文最终的优化问题是如下所示的。之间的不一致性，值越小越好。等问题，提出了一种名为。
2025-12-19 16:18:57
757
原创 2025-TCSVT《Balanced and Discrete Multi-View Clustering With Adaptive Graph Learning》
BDMC-AGL是一篇理论扎实、实现严谨、实验充分的多视图聚类工作。它通过联合优化+大小约束+离散指示矩阵，有效解决了聚类不平衡与次优性问题。虽存在计算开销和非深度等局限，但其优化框架设计、平衡机制、端到端思想对后续研究具有重要启发意义。
2025-12-19 16:12:19
849
原创 CVPR-2024《COT: Unsupervised Domain Adaptation with Clustering and Optimal Transport》
COT 是一篇理论扎实、工程实用、效果显著的 UDA 工作。它通过聚类抽象 + OT 对齐的巧妙设计，同时解决了 OT-UDA 中的类别不平衡与计算效率两大痛点。其插件式设计和端到端优化使其易于集成与部署。然而，在极端类别不平衡、高维类别空间或聚类先验弱的场景下，其鲁棒性仍有提升空间。未来可结合自监督预训练动态聚类或分布矩匹配等技术进一步增强其泛化能力。
2025-12-17 21:43:41
1213
原创 NIPS-2022《Wasserstein K-means for clustering probability distributions》
这篇论文的核心思想源于一个深刻的观察：在欧氏空间中等价的K-means的两种表述——基于质心（centroid-based）和基于距离（distance-based）——在Wasserstein空间中不再等价。传统K-means聚类依赖于欧氏空间的两个关键性质：(1) 向量可以线性平均；(2) 空间是平坦的（零曲率）。这保证了著名的平行四边形法则（或其多点推广形式）成立，从而使得两种表述可以互换。然而，Wasserstein空间 (P2(Rd),W2)(\mathcal{P}_2(\mathbb{R}^d)
2025-12-17 21:33:36
516
原创 ML-2018《Wasserstein Discriminant Analysis》
综上所述，WDA 通过最优传输理论为判别分析提供了一个强大而优雅的新视角，成功地融合了全局和局部信息，并在多个基准上取得了优异性能。然而，其计算成本和非凸优化的挑战限制了它在超大规模问题中的直接应用，未来的研究可以朝着随机优化、非线性扩展等方向发展。）只包含矩阵乘法和逐元素运算，这些操作的导数是明确且易于计算的（通过递归公式 (14), (15)）。（也称为 Sinkhorn 距离）来替代传统的欧氏距离度量类间和类内的“分散度”（dispersion）。虽然实践中效果良好，但缺乏对这种近似误差的理论分析。
2025-12-17 21:26:10
525
原创 TM-2024《Wasserstein Embedding Learning for Deep Clustering: A Generative Approach》
综上所述，这篇论文通过创新性地将Wasserstein嵌入与聚类目标在嵌入空间进行联合优化，提出了一种强大且稳定的生成式深度聚类方法。虽然存在一些局限性，但其核心思想和实验成果为深度聚类领域提供了重要的借鉴。将Wasserstein距离的优化问题等价地转化为一个编码-解码过程，并在嵌入空间。其关键洞察来自于Wasserstein自编码器（WAE）的工作，即通过。传统的生成式聚类方法（如基于VAE或GAN的方法）通常在原始数据空间。，通过联合优化嵌入学习目标和聚类目标，使得学习到的嵌入特征。
2025-12-17 21:21:01
894
原创 TSP-2017《Fast Discrete Distribution Clustering Using Wasserstein Barycenter With Sparse Support》
然而，与K-means中聚类中心有解析解（即均值）不同，D²-clustering的聚类中心（Wasserstein重心）需要通过复杂的优化过程来求解，其计算成本极高，尤其是在处理大规模数据集时。总而言之，这篇论文通过一个巧妙而实用的工程化方案，成功地将Wasserstein聚类推向了大规模应用场景，其经验性成功是毋庸置疑的。虽然实验表明它通常能收敛到一个不错的解，但对于需要严格理论保证的应用场景，这构成了一个潜在的风险。的更新）和外层循环的分配步骤。”的场景，即数据实例非常多，但每个实例的表示是稀疏的。
2025-12-17 21:13:32
648
原创 ECCV-2018《Variational Wasserstein Clustering》
Variational Wasserstein Clustering》通过 Monge 最优传输视角，为kkk-means 提供了一个几何坚实、测度守恒的新范式。其核心在于将聚类问题转化为变分能量最小化驱动的幂 Voronoi 划分优化，兼具理论优雅性与应用灵活性。尽管存在高维扩展和非凸域处理等限制，该工作为几何机器学习与最优传输的交叉研究提供了重要范例。
2025-12-11 10:44:30
867
原创 CVPR-2021《COT: Unsupervised Domain Adaptation with Clustering and Optimal Transport》
依赖预训练和骨干网：实验依赖ImageNet预训练ResNet，未探讨从零训练或弱预训练场景。现实中，若源/目标域分布远于ImageNet，初始特征差可能导致簇初始化不准，放大类不平衡影响。簇数Q固定：Q=2经验选择，未自适应调整。不同数据集子域复杂度差异大（如VisDA-2017细粒度），固定Q可能欠拟合（Q小）或过拟合（Q大），缺乏理论指导或自动选择机制。类不平衡缓解有限：虽理论证明簇级均匀概率缓解不平衡，但假设源域分类器良好聚类；极端不平衡（δ大）或噪声标签下，子域信息保留不足。
2025-12-03 19:54:06
436
原创 ICLR-2024《P²OT: Progressive Partial Optimal Transport for Deep Imbalanced Clustering》
依赖预训练模型：实验基于DINO预训练ViT-B16，未探讨从零训练场景。现实中，若无高质量预训练，初始表示差可能放大确认偏差，影响P²OT收敛。ρ\rhoρ策略固定：渐增用sigmoid函数，依赖迭代数tTt/TtT，非自适应。论文承认未来需基于学习进度动态调整，否则早期ρ\rhoρ过小可能欠拟合，晚期过快引入噪声。计算效率与规模：虽缩放算法高效（矩阵-向量乘），但对超大规模数据集（如全iNaturalist），mini-batch与缓冲增加内存开销。未比较与投影梯度下降等方法的权衡。
2025-12-03 19:49:35
929
原创 ICML-2021《Making transport more robust and interpretable》
LOT通过引入“锚点”(anchors)作为中间“中继站”，将运输过程分解为三个阶段：(i) 从源数据点到源锚点，(ii) 从源锚点到目标锚点，(iii) 从目标锚点到目标数据点。结果，LOT提高了运输的鲁棒性（对噪声和采样的鲁棒性），并增强了可解释性（通过锚点间的映射突出数据集的局部几何结构）。：虽然锚点提高了运输计划的可解释性（可视化集群对应），但锚点本身是学习的，可能不对应真实语义标签（如在无监督设置）。是锚点分布的向量形式。选择不当，可能导致过拟合（太大）或欠拟合（太小），影响低秩正则化的效果。
2025-12-03 19:47:12
388
原创 TAI-2022《Balanced Graph Cut With Exponential Inter-Cluster Compactness》
超参数依赖性强：模型高度依赖曲率参数μ\muμ。论文中μ\muμ需手动调参（如实验中[90,350]），且μ0\mu_0μ0的界限虽有理论公式，但实际计算依赖具体图结构和簇间相似度∣Spˉ∣∣Spˉ∣，难以预估。μ\muμ过小无法保证平衡，过大可能导致过度惩罚小簇，影响聚类准确率。未来可探索自适应μ\muμ学习机制，如通过交叉验证或梯度下降优化μ\muμ。计算复杂度较高：尽管EHE复杂度为On2tO(n^2 t)On2t。
2025-12-03 19:41:45
714
原创 AAAI-2024《An Optimal Transport View for Subspace Clustering and Spectral Clustering》
计算复杂度高：最优传输涉及Sinkhorn算法，复杂度为On2lognOn2logn，对于大规模数据（n104n > 10^4n104）不高效。实验仅在小基准数据集（如Iris, Ecoli，样本数<1000）上进行，未测试大规模或高维数据，可能在实际应用中受限。未来可引入近似算法如随机Sinkhorn或GPU加速。参数敏感性：参数如λXλHαϵλXλHαϵ需调优，实验显示对λX\lambda_XλX。
2025-11-30 11:53:27
746
原创 AAAI-2013《Spectral Rotation versus K-Means in Spectral Clustering》
这篇论文成功地将谱旋转技术应用于谱聚类，解决了传统K-Means在处理松弛谱向量时的偏差问题。通过引入正交旋转约束，方法在理论上保证了更好的连续-离散逼近，并在实验中证明了其在图割优化和聚类指标上的优越性。论文结构清晰：从谱聚类背景引入问题，推导优化算法，提供理论证明，并通过基准数据集验证。该工作强调了谱聚类后处理的的重要性，为后续研究（如自适应谱聚类）提供了基础。
2025-11-30 11:49:56
810
原创 TKDE-2025《Scalable Min-Max Multi-View Spectral Clustering 》
对初始值的潜在敏感性：虽然论文通过实验（图6）证明了在不同随机初始化下都能收敛到相同的最优值，从而“验证”了全局最优性，但这依赖于fαf(\alpha)fα确实是凸的。然而，内部最大化问题的解Hˉ\bar{H}Hˉ（即SVD的前ccc个特征向量/奇异向量）。当存在重特征值时，Hˉ\bar{H}Hˉ的解空间不是一个单点，而是一个流形。尽管论文论证了HˉHˉ⊤HˉHˉ⊤。
2025-11-28 19:31:22
394
原创 TKDE -2024《A Balanced and Scalable Graph-Based Multiview Clustering Method》
综上所述，BSMC是一篇非常扎实且具有实用价值的工作，巧妙地结合了二分图、标签传播和平衡约束来解决多视图聚类中的关键挑战。对于非线性流形数据，这种基于局部距离的构建方式可能无法准确捕捉全局的簇结构。论文的实验主要在相对平衡或可控的数据集上进行，未能充分探讨这种权衡。：强制簇大小平衡在某些应用场景下是必要的，但对于天然不平衡的真实数据集（如长尾分布数据），强制平衡可能会。：论文对平衡约束（Theorem 1）的证明是清晰的，但对整个联合优化模型（13）的。：虽然论文通过实验表明10%的锚点比例是合理的，但。
2025-11-28 19:24:53
259
原创 ICML-2025《Dual-Bounded Nonlinear Optimal Transport for Size Constrained Min Cut Clustering》
论文提到“一个更好的初始化对最终结果有益”，并采用了 (Nie et al., 2024) 的方法进行初始化。DNF 方法是论文的核心优化算法，它是经典 Frank-Wolfe (FW) 算法的扩展。然而，对于SC-MC这个特定的非凸问题，实验观察到的收敛速度远快于此（图4）。（目标是最小化传输成本与传输矩阵的内积），并且其边缘分布（即源和目标的总质量）是。如果初始化较差，可能会收敛到一个较差的局部最优解，尤其是在非凸场景下。虽然波动不大，但这仍然是一个需要调节的外部参数。这是 DNF 最关键的一步。
2025-11-28 19:17:44
359
原创 arXiv-2019《Clustered Reinforcement Learning》
CRL 是一个思想简洁、实现有效的探索框架，通过聚类融合 novelty 与 quality，在多个稀疏奖励任务上取得显著提升。其最大价值在于揭示了局部区域质量对探索的指导作用，为后续研究提供了新视角。然而，其依赖原始特征、缺乏长期记忆、bonus 设计武断等问题，限制了其在更复杂任务中的应用。未来工作可结合自监督表征学习 + 在线聚类 + 稳定 bonus 机制，构建更鲁棒的探索策略。如需对某一部分（如 bonus 函数、实验细节、与 RND 对比）进一步深入分析，可继续提问。
2025-11-28 19:14:42
342
原创 AAAI-2024《Large Scale Constrained Clustering With Reinforcement Learning 》
该论文巧妙地将带硬约束的聚类问题转化为一个基于图操作的强化学习任务，利用GNN + PPO框架在保持可行性的前提下高效求解大规模实例。其最大亮点在于将组合约束嵌入环境动态而非策略网络，极大简化了学习过程。虽然在最优性、泛化性和理论保障方面仍有不足，但为工业界处理大规模、约束严格的聚类调度问题（如物流、运维资源分配）提供了极具实用价值的新范式。
2025-11-28 19:11:10
878
原创 TFS-2025《Adaptive Broad Network With Graph-Fuzzy Embedding for Imbalanced Noise Data》
GEIB通过巧妙地融合图嵌入、直觉模糊理论和自适应惩罚机制，为解决不平衡噪声数据分类问题提供了一个强有力的工具，并在实验上取得了显著的性能提升。然而，其较高的计算成本、对超参数的敏感性以及在多分类和理论完备性方面的不足，是未来研究可以重点突破的方向。过程会引入不确定性，虽然IF和GE能在一定程度上缓解，但如何从理论上消除或控制这种不确定性对最终结果的影响，是未来需要探索的方向。一个次优的随机映射可能导致次优的图结构，进而影响最终的性能。场景，如何有效构建图结构和设计类别特定的惩罚机制，其理论基础尚不完善。
2025-11-28 19:06:12
543
原创 TKDE-2025《Pseudo-Label Guided Bidirectional Discriminative Deep Multi-View Subspace Clustering》
对初始聚类结果的依赖性：整个框架的性能高度依赖于初始伪标签PPP的质量。如果在早期迭代中，自编码器学到的表示很差，导致初始聚类结果非常糟糕，那么基于此PPP的对比学习和自表示约束可能会将模型引入一个错误的优化方向，从而陷入局部最优。计算复杂度较高：算法需要在每次迭代中计算并存储n×nn \times nn×n规模的自表示矩阵CCC和亲和力矩阵SvS^{(v)}Sv。对于大规模数据集nnn很大），这会带来巨大的内存（Memory）和计算开销，限制了其在超大规模场景下的应用。
2025-11-28 18:53:55
409
原创 ICML-2019《Optimal Transport for structured data with application on graphs》
该论文提出的FGW 距离为结构化数据（尤其是图）的度量学习提供了统一、灵活、理论扎实的新范式。它成功地将最优传输理论拓展到联合特征-结构对齐的场景，在图分类、聚类、插值等任务上展现出强大性能。然而，其计算代价高、依赖手工结构、优化非凸等问题限制了其在大规模图或端到端深度学习中的直接应用。未来工作可探索FGW 的正则化/熵松弛版本与图神经网络的联合训练，以及可学习结构度量的内嵌机制。
2025-11-27 10:45:45
882
原创 TNNLS-2025《Deep Clustering: A Comprehensive Survey》
DAE 和 DNN 是早期主流；VAE/GAN 更强在生成能力；GNN 擅长利用图结构。：涵盖 DAE/DNN/VAE/GAN/GNN 五大网络范式，引用 260+ 文献。为轴心，覆盖从理想（单视图）到复杂（多视图/迁移/半监督）场景。：解决真实场景中标注稀缺、域偏移问题（如合成→真实图像）。：明确指出理论缺失、效率瓶颈、多模态融合等未来突破口。：每类方法均给出典型损失函数、训练策略、适用条件。：少量先验即可显著提升聚类性能；）、超球面嵌入、层次聚类（如。
2025-11-27 10:02:02
611
原创 TFS-2025《Fuzzy Min-Cut With Soft Balancing Effects》
综上所述，FCBE是一篇高质量的工作，它巧妙地融合了模糊集、图割和正则化思想，为平衡聚类提供了一个强大的新工具。其局限性也是该领域许多先进模型共有的挑战，为后续研究指明了方向。（Balanced Clustering）中的一个关键痛点：传统的硬划分平衡聚类算法在处理。（Anchor-based）构建相似度图以提升大规模数据下的计算效率，并且模型的输出。是按行施加的，且目标函数在行之间是可分离的，论文采用。（取每行最大值对应的簇），无需后处理步骤。其核心思想是提出一种。
2025-11-25 10:23:22
31
原创 PAMI-2024《EBMGC-GNF: Efficient Balanced Multi-View Graph Clustering via Good Neighbor Fusion》
输入：多视图图G1GvG1Gv预处理对每视图构建 KNN 图（K=10）应用 CGNV 模块得到M\mathbf{M}M用 Tarjan 算法求连通分量Zdd1mZdd1m构建粗化图WsWs和权重ττ初始化：随机或启发式初始化E\mathbf{E}E迭代优化更新ωsωs使用式(25)计算LL对每个超节点ddd，用坐标下降法更新其簇分配（式(31)–(35)）增量更新ek⊤Lekek⊤Lek和。
2025-11-25 09:55:22
184
原创 TFS-2024《Local-Global Fuzzy Clustering With Anchor Graph》
综上所述，LGFCA是一个在模糊聚类和锚点图学习交叉领域的重要进展，它巧妙地通过一个正则化项解决了局部-全局平衡和离散化问题。然而，其“图固定”的范式和缺乏泛化能力是其应用于更复杂、动态场景时的主要瓶颈。（fuzzy constraint）而非传统的正交约束（orthogonal constraint），使得优化得到的指示矩阵（indicator matrix）本身就表示模糊隶属度，并且在优化过程中能。的独立项之和，因此可以固定其他所有行向量，只更新第。的模糊约束（非负性和和为1）。是一个加权“中心”，
2025-11-25 09:24:39
35
原创 TKDE-2022《Scalable Fuzzy Clustering With Anchor Graph》
论文《Scalable Fuzzy Clustering With Anchor Graph》成功将锚图技术引入模糊聚类，设计了一个参数自由、线性复杂度、理论收敛的高效算法 SFCAG。其核心创新在于迹比目标函数与锚点隶属度学习框架的结合，显著提升了模糊聚类在大规模数据上的实用性。尽管存在对锚点质量和线性传播假设的依赖，但其思想为后续大规模软聚类研究提供了重要范式。
2025-11-25 09:10:20
31
原创 TNNLS-2025《Spectral Embedding Representation Based on Random Anchor Graph Aggregation》
RAGA 是一篇面向大规模谱聚类的高效、鲁棒、理论支撑充分的工作。它通过锚图聚合+联合优化，有效缓解了随机采样的不稳定性与两阶段误差累积问题，在多个基准数据集上显著优于现有 SOTA 方法。其核心思想（多采样集成+自适应加权）对后续锚点选择、图构建与聚类联合建模具有启发意义。未来可探索与深度学习、图神经网络结合，进一步提升表示能力与泛化性能。
2025-11-25 08:59:09
36
原创 TKDE-2025《Fast Anchor Graph Clustering via Maximizing Within-Cluster Similarity 》
该论文通过“聚类锚点 + 标签传播”的新范式，实现了高效、低复杂度的图聚类，在大规模数据上具有显著优势。其两种模型分别兼顾了理论简洁性（FAGC-R）与离散精确性（FAGC-D），并通过精心设计的优化策略保证了效率与稳定性。未来可从自适应锚点选择端到端联合优化结合深度表示学习等方向进一步提升鲁棒性与表达能力。
2025-11-25 08:42:40
27
原创 TNNLS-2025《Anchor-Based Multiview Subspace Clustering With Anchor-wise and Class-wise Alignments》
AMCA² 是一篇问题驱动、设计巧妙、实验扎实的优秀多视图聚类工作。它精准抓住了锚点方法中的关键瓶颈——跨视图锚点语义不对齐，并通过置换对齐 + Hadamard 积融合的创新组合有效解决。尽管存在优化近似性和理论保证不足等局限，但其在效率与精度上的平衡使其非常适合大规模多视图聚类任务，尤其在生物信息、多媒体等实际场景中具有重要应用价值。
2025-11-25 08:37:15
24
原创 PAMI-2023《Large-scale Clustering with Structured Optimal Bipartite Graph》
n×n论文提出一个名为。LSSccLScS论文的核心优化模型旨在寻找一个结构化的最优二分图SPmin∥S−W∥F2s.t.P≥0P11rankLSnm−c8W0BTB0B∈Rn×mS0PTP0PLSI−DS−1/2SDS−1/2SrankLSnm−cSc由于秩约束是非凸且难以直接优化的，作者将其等价转换为一个可解的优化问题。P。
2025-11-25 08:16:21
285
原创 PAMI-2023《Discrete and Balanced Spectral Clustering With Scalability》
DBSC 是一篇在谱聚类实用性上做出实质性贡献的工作。它通过巧妙的正则项设计和锚点策略，在离散化、平衡性、可扩展性三者之间取得良好权衡，并在多个真实场景中验证了有效性。尽管存在软平衡、参数调优、锚点随机性等局限，但其统一优化框架为后续研究提供了重要思路。未来工作可考虑引入硬平衡约束、自适应参数机制、或与深度学习结合（如端到端图神经网络谱聚类）。
2025-11-25 08:03:36
381
原创 TKDE-2025《Scalable Min-Max Multi-View Spectral Clustering》
SMMSC 是一篇理论扎实、工程实用的优秀工作。它通过min-max 框架革新了多视图融合范式，结合anchor 图实现高效扩展，并在多个维度优于现有方法。其核心创新在于将“高簇内方差”从缺陷转为优势，契合真实数据分布。然而，在anchor 选择自动化、离散优化、异常视图鲁棒性等方面仍有提升空间，为后续研究指明了方向。
2025-11-25 08:00:56
27
原创 关于零均值约束优化问题
这是一个非常优美的结果，它将一个带约束的优化问题（20）转化为了一个无约束但带有正则化的优化问题（21），后者在计算上通常更容易处理。这通常发生在目标函数只依赖于列之间的“相对”关系，而不依赖于它们的绝对位置时。中所有元素的平方和，是一个标准的 L2 正则化项，用于惩罚过大的数值，鼓励解更“小”。在列平移不变性的前提下，起到了“自动中心化”的作用，迫使最优解满足。，也都是问题 (21) 的可行解，并且其目标函数值为。必须满足该约束，所以两个问题的最优解集是相同的。这表明，问题 (21) 的最优解。
2025-11-22 14:19:14
25
原创 ICML-2013《Sparse projections onto the simplex》
该论文旨在解决一类在高维学习问题中常见的问题。具体来说，许多实际问题（如量子态层析、稀疏密度估计、投资组合选择）不仅要求解是（即仅含k个非零元素），还同时要求解位于（simplex）或（hyperplane）上。传统方法通常使用ℓ1范数等凸松弛来近似稀疏性，但当问题本身已包含ℓ1范数（如单纯形约束∑iβiλβi≥0）作为硬约束时，凸松弛方法会与问题原有的物理或结构性约束冲突。wΣk。
2025-11-22 11:45:54
26
原创 TC-2021《Learning an Optimal Bipartite Graph for Subspace Clustering via Constrained Laplacian Rank》
来学习一个最优的、具有明确簇结构的二部图，从而实现更鲁棒和有效的子空间聚类。根据瑞利商（Rayleigh quotient）的性质，该问题的最优解。对于这个带有稀疏性和单纯形约束的二次规划子问题，作者设计了一个结合。论文的目标函数（公式(16)）旨在同时优化字典。来求解，即固定其他变量，依次优化其中一个变量。的混合算法（Algorithm 2）来高效求解。该目标函数是一个非凸的多变量优化问题，作者采用。为了解决这些问题，作者提出了一个名为。个最小特征值对应的特征向量构成的。作者利用拉普拉斯二次型的性质。
2025-11-22 08:27:18
30
2013CVPR 点云超体分割论文Jeremie Papon
2021-09-24
2012顶会文章点云Don算法论文
2021-09-24
图像处理岗面试60题及其答案解析.pdf
2020-03-07
yolov5-obb旋转目标检测直接运行版，只需配置好虚拟环境就可直接运行，包含部分demo数据集
2023-04-12
yolov7-pose TensorRT推理 window平台以及ubuntu平台都可
2023-02-10
ORB-SLAM2 windows下免配置第三库，工程已配置好，下载配置好图片路径即可直接运行
2022-07-05
imagenet2012数据集及标签.rar
2021-06-10
LDA算法原理详解及代码，另附LDA数学八卦高清PDF版笔记整理
2018-04-01
Benchmark Datasets.rar
2019-06-16
YaleFace数据集包含mat文件以及原图.rar
2019-12-13
PIE图片数据集包含原图.rar
2019-12-13
FSRobust_ALM.m
2020-06-21
《Python数据挖掘入门与实践 》 作者：Robert Layton (高清pdf版附代码及部分数据集，彩图)
2018-03-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人