寬度學習系統用於數據聚類

寬度學習系統用於數據聚類

做者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/

    閱讀本文的前提：寬度學習系統(Broad Learning System, BLS)。瞭解什麼是寬度學習系統，有一篇文章是關於BLS的綜述，適合BLS入門的初學者看，參看參考文獻[2]。

    本博文給出寬度學習系統用於聚類的一個應用實例——基於無監督寬度學習的高光譜圖像聚類(Hyperspectral Image Clustering Based on Unsupervised Broad Learning)。因爲高光譜圖像(HSI)的大量訓練樣本難以標記，無監督聚類方法受到了普遍的關注。最近提出的寬度學習(BL)能夠實現線性和非線性映射。然而，最初的BL是一個有監督的模型。本文提出了一種用於HSI聚類的新方法—無監督寬度學習 (UBL)。首先，對UBL的輸入和映射特徵執行一個圖正則化稀疏自編碼器，以保持原始HSI的內在流形結構。而後，設計了由輸出層權值的l2範數和圖正則化項組成的UBL目標函數，該目標函數能夠經過選擇最小特徵值對應的特徵向量來求解。最後，將譜聚類應用到UBL的輸出上，獲得HSI聚類結果。

參考文獻：

[1] Y. Kong, Y. Cheng, C. L. P. Chen and X. Wang, "Hyperspectral Image Clustering Based on Unsupervised Broad Learning," IEEE Geoscience and Remote Sensing Letters, vol. 16, no. 11, pp. 1741-1745, Nov. 2019.

[2] X. Gong, T. Zhang, C. L. P. Chen and Z. Liu, "Research Review for Broad Learning System: Algorithms, Theory, and Applications," IEEE Transactions on Cybernetics, doi: 10.1109/TCYB.2021.3061094.