基于局部预测误差最小化的半监督图像聚类

摘要

为了更加准确地对图像进行聚类,提出一种基于局部预测误差最小化的半监督图像聚类算法.采用局部线性回归模型计算目标子空间的预测误差,并融入类间离散度最大化和类内离散度最小化的约束条件,进行目标函数的定义和求解,从而得到最优聚类子空间,在此过程中有效地利用了标记样本和未标记样本.实验结果表明,该算法取得了较好的聚类结果,而且对比实验从多个角度验证该方法对图像聚类的有效性和优越性.