图像聚类的局部线性表示

相似度图的构造在频谱聚类(SC)算法中起着至关重要的作用。 存在两种构造相似度图的流行方案,即基于逐对距离的方案(PDS)和基于线性表示的方案(LRS)。 值得注意的是,以上方案分别遭受一些限制和缺点。 具体而言,PDS对噪声和离群点敏感,而LRS可能会错误地选择子空间间的点来表示目标点。 这些缺点极大地降低了SC算法的性能。 为了克服这些问题,提出了一种构造相似度图的新方案,其中不同数据点之间的相似度计算取决于它们的成对距离和线性表示关系。 此提议的方案称为局部线性表示(LLR),它使用一组数据点对每个数据点进行编码,这些数据点不仅产生最小的重构误差,而且接近目标点,从而使其对噪声和异常值均具有鲁棒性,并且避免了选择子空间间的点在很大程度上代表了目标点。