无偏稀疏子空间聚类：选择性追踪
摘要：稀疏子空间聚类(SSC)是一种优雅的无监督分割方法，当每个聚类的数据点位于线性子空间中时，可以应用该模型。例如，在运动分割中，如果相机模型具有一些限制，则适用该模型。SSC要求基于$l_1$-范数的问题来推断哪些点属于同一个子空间。如果这些未知的子空间是良好分离的，则该算法保证成功。该算法基于同一子空间的点被很好地分布的假设。然而，如果违反了这个条件，目前尚未研究这种情况会发生什么。本研究将分析特定分布对同一子空间的影响。结果表明，如果同一子空间上的点落入多个聚类中，SSC无法正确推断标签。
作者：Hanno Ackermann and Michael Ying Yang and Bodo Rosenhahn
论文ID：1609.05057
分类：Machine Learning
分类简称：stat.ML
提交时间：2018-02-12