南京航空航天大学学报

作者：杨红鑫

单位：南京林业大学信息科学技术学院， 南京， 210037；,南京林业大学信息科学技术学院， 南京， 210037；,南京林业大学信息科学技术学院， 南京， 210037；,南京林业大学信息科学技术学院， 南京， 210037；,南京林业大学信息科学技术学院， 南京， 210037；,国家林业局调查规划设计院， 北京， 100714；

关键词：L1范数;凸问题;平面聚类;线性规划

基金：国家自然科学基金 61472186;50375057)资助项目;江苏省自然科学基金 BK20161527;BK20171453)资助项目;江苏省研究生科研与实践创新计划 SJKY19_0907国家自然科学基金(61472186，50375057)资助项目；江苏省自然科学基金(BK20161527，BK20171453)资助项目；江苏省研究生科研与实践创新计划（SJKY19_0907）资助项目。

基于L2范数度量的k平面聚类(k-Plane Clustering,kPC)设计思想，本文提出了一种采用L1范数度量的聚类算法。由于在平面更新步骤中，所导出的优化问题是非凸的，文中给出了一种求解方法，即将非凸问题转化为有限个子集上的凸问题，为避免求解多个优化问题导致训练时间过长问题，本文还设计了一种新的优选策略，有限个子集的搜索任务可在线性时间内完成。本文所提出的方法只需要求解k个线性规划，而不再是kPC的求解特征值问题。在人工和UCI数据集上的实验结果表明：基于L1范数平面聚类算法的训练和测试时间更短，且在大多数数据集上均表现出了更好的聚类性能。

来源：2019年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2019年第5期