多视角子空间聚类.docx

绪论

研究背景和意义

随着硬件水平的不断提高，现今信息社会的信息存储量已经到达了一个非常可观的量级，如何合理利用这些数据，从看似冗余的海量存储信息中提取事物信息特征是当下热门的研究与开发方向。作为模式识别与数据挖掘中相当重要的部分，聚类学习为许多研究者所选，不仅在原有基础上改进，更结合其他技术思想创新了许多具有实用性的算法。

作为无监督机器学习的典型方法，聚类能够在缺失样本标签的情况下将数据进行归类。现实生活中多视角数据得到越来越多的广泛应用。聚类建立在数据倾向可分离的假设上，将一类没有特征标记的数据，按照一定的标准划分成簇，簇与簇之间数据部分特征相异，而聚类过程中并未明确数据从属关系。基