典型文献
基于离散哈希的聚类
文献摘要：
传统的聚类方法是在数据空间进行,且聚类数据的维度较高.为了解决这两个问题,提出了一种新的二进制图像聚类方法——基于离散哈希的聚类(CDH).该框架通过L21范数实现自适应的特征选择,从而降低数据的维度;同时通过哈希方法将数据映射到二进制的汉明空间,随后,在汉明空间中对稀疏的二进制矩阵进行低秩矩阵分解,完成图像的快速聚类;最后使用可以快速收敛的优化方案来对目标函数进行优化求解.在Caltech101、Yale、COIL20、ORL图像数据集上的实验结果表明,该方法可以有效提升聚类效率.在Caltech101数据集的Gabor视图,与传统的K-means、谱聚类方法相比,在处理高维度数据时,CDH的时间效率分别提高了约87和98个百分点.
文献关键词：
哈希方法;自动特征选择;稀疏二进制矩阵;L21范数;收敛优化;汉明空间
中图分类号：
作者姓名：
轩书婷;刘惊雷
作者机构：
烟台大学计算机与控制工程学院,山东烟台264005
文献出处：
引用格式：
[1]轩书婷;刘惊雷-.基于离散哈希的聚类)[J].计算机应用,2022(03):713-723
A类：
Caltech101,自动特征选择,稀疏二进制矩阵,收敛优化
B类：
聚类方法,数据空间,聚类数,制图,图像聚类,CDH,L21,范数,哈希方法,数据映射,射到,汉明空间,低秩矩阵分解,成图,快速聚类,快速收敛,优化求解,Yale,COIL20,ORL,图像数据集,Gabor,视图,means,谱聚类,高维度数据,时间效率,百分点
AB值：
0.36701
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
