控制与决策

作者：朱建勇,王敬文,杨辉,聂飞平

单位：华东交通大学 电气与自动化工程学院，南昌 330013;江西省先进控制与优化重点实验室，南昌 330013,,华东交通大学 电气与自动化工程学院，南昌 330013;江西省先进控制与优化重点实验室，南昌 330013,,华东交通大学 电气与自动化工程学院，南昌 330013;江西省先进控制与优化重点实验室，南昌 330013,,西北工业大学 光电与智能研究院(iOPEN)，西安 710072,

关键词：半监督聚类;岭回归;不相关约束;二值向量;辅助信息;图正则化

基金：国家自然科学基金项目(62363010)；国家自然科学基金重大项目(61991404)；江西省双千计划项目(SSQ2023018).

岭回归由于简单高效被用于处理各种机器学习任务, 并取得令人称赞的结果. 然而, 当岭回归直接应用于聚类时, 易触发平凡解. 为解决此问题, 提出基于约束图的鲁棒不相关岭回归方法(RURCG). 首先, 利用广义不相关约束使得岭回归嵌入流形结构, 保证其聚类时存在闭式解; 然后, 为了避免异常数据对聚类的影响, 对岭回归的误差项施加二值向量, 该向量的元素具有明确的物理意义, 若数据正常, 则其值为1, 否则为0; 接着, 对岭回归嵌入拉普拉斯构造来获取数据的局部几何结构, 使得聚类结构更为充分, 其中涉及的图矩阵包含成对约束和标签信息; 最后, 运用迭代优化策略求解目标函数, 通过在8个基准数据集上的仿真实验验证所提出方法的有效性.

来源：2025年第4期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第4期