论文部分内容阅读
为了有效挖掘序列数据的时空信息,提出联合l p和l 2,p范数极小化的序列子空间聚类算法.首先,定义依赖于样本距离的权重,构造基于l 2,p范数的时序图,刻画数据在时间维度上的局部相似性.然后,考虑到非凸l p 0<p<1范数最小化通常结果优于凸的l 1范数,能更有效地切断语义无关数据间的联系,所以采用l p范数度量表示矩阵的稀疏性.最后,通过线性化交替方向法求解优化模型.在视频、运动、人脸数据上的实验表明文中算法的有效性.