非線性數(shù)據(jù)挖掘

第1章 緒論
1．1 研究背景與研究意義
1．2 子空間聚類概述
1．3 稀疏子空間聚類概述
1．3．1 單視圖稀疏子空間聚類研究現(xiàn)狀
1．3．2 多視圖稀疏子空間聚類研究現(xiàn)狀
1．4 稀疏子空間聚類相關(guān)理論
1．4．1 稀疏表示
1．4．2 低秩表示
1．4．3 子空間聚類優(yōu)化算法
1．5 本書的主要內(nèi)容
1．6 本書結(jié)構(gòu)
第2章 基于非凸低秩核的穩(wěn)健子空間聚類
2．1 引言
2．2 相關(guān)工作
2．2．1 Schatten p-范數(shù)
2．2．2 相關(guān)熵
2．3 穩(wěn)健低秩核子空間聚類模型與求解策略
2．3．1 穩(wěn)健低秩核子空間聚類模型
2．3．2 模型的優(yōu)化與求解
2．3．3 RLKSC的完整算法
2．4 收斂性及計算復(fù)雜度分析
2．4．1 收斂性分析
2．4．2 計算復(fù)雜度分析
2．5 實驗結(jié)果與分析
2．5．1 實驗設(shè)置
2．5．2 在YaleB數(shù)據(jù)集上的人臉聚類
2．5．3 在AR數(shù)據(jù)集上的人臉聚類
2．5．4 在COIL-20數(shù)據(jù)集上的物體聚類
2．5．5 在Hopkins155數(shù)據(jù)集上的運動分割
2．5．6 參數(shù)選擇與收斂性驗證
2．6 小結(jié)
第3章 融合協(xié)同表示與低秩核的穩(wěn)健多視圖子空間聚類
3．1 引言
3．2 主要符號與相關(guān)工作
3．2．1 主要符號
3．2．2 非凸低秩核策略
3．3 RLKMSC模型與求解策略
3．3．1 Centroid-based RLKMSC的模型提出與優(yōu)化
3．3．2 Pairwise RLKMSC的模型與優(yōu)化
3．3．3 RLKSC的完整算法
3．4 收斂性與計算復(fù)雜度分析
3．4．1 收斂性分析
3．4．2 計算復(fù)雜度
3．5 實驗與結(jié)果分析
3．5．1 數(shù)據(jù)集簡介
3．5．2 對比算法與實驗設(shè)置
3．5．3 實驗結(jié)果與分析
3．5．4 參數(shù)選擇與收斂性驗證
3．6 小結(jié)
……
第4章 基于加權(quán)Schatten p-范數(shù)小化的異核多視圖穩(wěn)健子空間聚類
第5章 置信度自動加權(quán)穩(wěn)健多視圖子空間聚類
第6章 結(jié)束語
參考文獻