第49卷第2期2023年2月ComputerEngineering计算机工程判别性增强的稀疏子空间聚类胡慧旗，张维强，徐晨（深圳大学数学与统计学院，广东深圳518060）摘要：稀疏关系表示(SRR)是一种性能良好的子空间聚类算法，其利用一个数据样本和所有样本间的邻域关系作为新特征来学习自表示系数，由自表示系数矩阵构建相似度矩阵并通过谱聚类得到聚类结果。同时考虑相似度矩阵的稀疏性和聚集性，在SRR算法基础上提出一个判别性增强的稀疏子空间聚类模型。对邻域关系矩阵的自表示矩阵采用平方F范数代替SSR中的核范数，降低模型求解难度，并在邻域关系矩阵的自表示矩阵中引入新的正则项，保证自表示矩阵的类间判别性和邻域关系矩阵的类内聚集性，进一步优化聚类性能。实验结果表明：与SSC、LRR、LSR、BDR-B、SRR等模型相比，该模型具有较好的聚类性能；在MNIST、USPS、ORL数据集上，聚类错误率较SRR模型分别下降9.6、14.1、3.8个百分点；在ExtendedYaleB数据集上，针对2、3、5、8、10类聚类问题的聚类错误率较SRR模型分别下降0.39、0.72、1.32、2.73、3.28个百分点。关键词：子空间聚类；相似度矩阵；邻域关系；判别性；谱聚类开放科学（资源服务）标志码（OSID）：中文引用格式：胡慧旗，张维强，徐晨.判别性增强的稀疏子空间聚类［J］.计算机工程，2023，49（2）：98-104.英文引用格式：HUHQ，ZHANGWQ，XUC.Discriminantenhancedsparsesubspaceclustering［J］.ComputerEngineering，2023，49（2）：98-104.DiscriminantEnhancedSparseSubspaceClusteringHUHuiqi，ZHANGWeiqiang，XUChen（CollegeofMathematicsandStatistics，ShenzhenUniversity，Shenzhen518060，Guangdong，China）【Abstract】TheSparseRelationRepresentation（SRR）algorithmshowsgoodclusteringperformance.Itusestheneighborhoodrelationbetweenadatasampleandothersamplesasnewfeaturestolearntheself-representationcoefficient，whichisthenusedtoconstructtheaffinitymatrix；spectralclusteringisfinallyappliedtorealizesegmentation.Consideringboththesparsityandaggregationofasimilaritymatrix，thisstudyproposesadiscriminant-enhancedsparsesubspaceclusteringmodelbasedontheSSRalgorithm.Thestudy’snoveltyistwo-fold：first，toovercomethecomplexityinducedbythenuclearnorminSSR，itusesthesquaredFnormtoregularizetheself-representationmatrix；second，itintroduce...
