黄宗超，王思为，祝 恩，唐树灵

(国防科技大学 计算机学院 湖南 长沙 410073)

0 引言

子空间聚类假定数据点来自多个潜在低维子空间，然后对处于多个潜在低维子空间上的高维数据点进行聚类。子空间聚类方法得到了很好的发展，涌现出许多子空间聚类模型来揭示数据分布的这些低维子空间，以便可以正确分割数据中的所有簇，并且每个簇都在一个低维子空间。近年来已经开发了许多子空间聚类方法，例如基于迭代的方法[1-2]、基于因子分解的方法[3-4]、统计方法[5]以及基于谱聚类的方法[6-7]。文献[8]提出低秩子空间分割以找到具有低秩表示的子空间结构。文献[9]提出稀疏子空间聚类以找到与来自相同子空间的数据点相对应的稀疏表示，在获得子空间表示后，可以对这种新的表示执行谱聚类。目前，以谱聚类[10]为基础的子空间聚类方法受到广泛关注。谱聚类是一种以图论为基础的聚类方法, 它将数据集中的每个数据当作图的顶点, 数据之间的相似度当作带权的边, 这样就转化为对图的划分来解决数据聚类[11]。基于谱聚类的子空间聚类方法，其基本过程为:通过找出样本在低维子空间的表示系数来构造相似度矩阵, 然后利用谱聚类方法获得数据的聚类结果。上述方法主要关注单一数据来源的特征，而不是多个数据来源的特征。本文将对具有多视图特征的数据集应用子空间聚类，以寻找数据集的子空间结构并对其进行聚类。

计算机视觉中的许多问题与由多个不同视图的特征集表示的数据有关，不同的特征集表示有关数据集不同且部分独立的信息。……