基于RPCA的預測子空間聚類算法
大?。?/span>0.57 MB 人氣： 2017-11-22 需要積分：1
預測子空間聚類PSC算法由于建立在PCA模型下，無法魯棒地進行主元分析，導致在面對帶有強噪聲的數(shù)據(jù)時，聚類性能受到嚴重影響。為了提高PSC算法對噪聲的魯棒性，利用近年來受到廣泛關(guān)注的RPCA分解技術(shù)得到數(shù)據(jù)的低秩結(jié)構(gòu)，魯棒地提取子空間，具體地，通過將RPCA模型融入PSC算法，提出了一種基于RPCA的預測子空間聚類算法。該算法在RPCA模型下檢測強影響點，不但可以有效地進行變量選擇和模型選擇，而且更重要的是改善了PSC算法在噪聲環(huán)境下的聚類性能。在真實基因表達數(shù)據(jù)集上的實驗結(jié)果表明，改進后的算法較之經(jīng)典的PSC算法無論在無噪聲或加噪聲環(huán)境下都表現(xiàn)出一定聚類優(yōu)勢及良好的魯棒性。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于RPCA的預測子空間聚類算法下載
相關(guān)電子資料下載
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 10種聚類算法和Python代碼4 1118
- 10種聚類算法和Python代碼3 960
- 10種聚類算法和Python代碼2 796
- 10種聚類算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺新范式！COCs：將圖像視為點集 636
- 10種頂流聚類算法Python實現(xiàn)（附完整代碼） 989