基于图正则化的加权低秩表示算法研究

低秩表示的目的是从整体上使得输入数据集的系数矩阵是低秩矩阵，但是它忽略数据集内部样本之间的关系，文中提出基于图正则化的低秩表示算法。在对传统低秩表示算法的求解中，通常是采用求解标准核范数的方式来近似矩阵的秩。标准核范数是计算矩阵的奇异值之和，然而矩阵的秩是计算非零奇异值的个数。因此，计算加权后的奇异值之和会更加接近矩阵的秩，进而文中提出基于图正则化的加权低秩表示模型。实验使用的是公开手写数字数据集，实验结果显示文中算法的聚类效果比低秩表示的提高了7.82%。