陈文智教授团队论文被Knowledge-Based Systems录用

刘玲 2022-07-26

    ARClab实验室陈文智教授团队论文“Subspace Clustering by Directly Solving Discriminative K-means”于2022年7月10日被TOP期刊Knowledge-Based Systems录用，影响因子 8.139。

聚类方法已经应用在很多领域。传统的聚类方法包括Kmeans聚类，谱聚类，但是Kmeans方法在高维数据集上表现不佳，谱聚类的复杂度又较高，因此子空间聚类方法受到了很多人青睐。传统的子空间方法使用了两步的解法，且需要使用特征分解方法。我们提出了两种方法可以直接求得离散的解并且时间复杂度为线性。

高维数据在低位空间可能有更好的聚类特性，子空间聚类方法首先将数据降维，再通过Kmeans等方法聚类。传统的子空间聚类常常通过两步方法求解，并且使用了复杂度很高的特征分解。我们提出了FDKM可以直接求得离散解，并且具有线性复杂度。之后我们发现这种方法与嵌入的方法有相同的目标函数，基于这个发现，我们提出了IFDKM，这种方法也具有线性复杂度。

论文第一作者高晨辉，浙江大学ARClab实验室博士研究生，主要研究方向为聚类方法，降维，特征选择。