高效凸聚类和稳健凸聚类ConvexCluster AMA的算法（c语言+matlab）源代码.zip

稳健的凸聚类 聚类是一种无监督学习方法，可探索数据并寻找相似对象组。许多经典的聚类模型，如 k-means 和 DBSCAN，都是基于启发式算法，并且存在局部最优解和数值不稳定的问题。最近，凸聚类受到越来越多的关注，它利用了稀疏性诱导规范并享有许多有吸引力的理论特性。然而，凸聚类基于欧几里得距离，因此对离群点特征不稳健。由于异常值特征非常普遍，尤其是在高维时，该漏洞极大地限制了凸聚类分析许多现实世界数据集的适用性。我们通过提出一种新颖的鲁棒凸聚类方法来应对这一挑战，该方法同时执行凸聚类并识别异常值特征。具体来说，所提出的方法学习将数据矩阵分解为聚类结构组件和捕获特征异常值的组稀疏组件。我们开发了一种块坐标下降算法，该算法在识别和消除异常值特征后迭代执行凸聚类。我们还提出了一种有效的算法，通过利用其对偶问题的结构来解决凸聚类问题。这是建议方法的代码。文件夹示例显示了我们的方法和 AMA 在解决凸聚类问题上的效率比较，以及鲁棒的凸聚类如何检测异常值特征。所提出的方法学习将数据矩阵分解为聚类结构组件和捕获特征异常值的组稀疏组件。我们开发了一种块坐标下降算法，该算法在识别和消除异常值特征后迭代执行凸聚类。我们还提出了一种有效的算法，通过利用其对偶问题的结构来解决凸聚类问题。这是建议方法的代码。文件夹示例显示了我们的方法和 AMA 在解决凸聚类问题上的效率比较，以及鲁棒的凸聚类如何检测异常值特征。所提出的方法学习将数据矩阵分解为聚类结构组件和捕获特征异常值的组稀疏组件。我们开发了一种块坐标下降算法，该算法在识别和消除异常值特征后迭代执行凸聚类。我们还提出了一种有效的算法，通过利用其对偶问题的结构来解决凸聚类问题。这是建议方法的代码。文件夹示例显示了我们的方法和 AMA 在解决凸聚类问题上的效率比较，以及鲁棒的凸聚类如何检测异常值特征。我们开发了一种块坐标下降算法，该算法在识别和消除异常值特征后迭代执行凸聚类。我们还提出了一种有效的算法，通过利用其对偶问题的结构来解决凸聚类问题。这是建议方法的代码。文件夹示例显示了我们的方法和 AMA 在解决凸聚类问题上的效率比较，以及鲁棒的凸聚类如何检测异常值特征。我们开发了一种块坐标下降算法，该算法在识别和消除异常值特征后迭代执行凸聚类。我们还提出了一种有效的算法，通过利用其对偶问题的结构来解决凸聚类问题。这是建议方法的代码。文件夹示例显示了我们的方法和 AMA 在解决凸聚类问题上的效率比较，以及鲁棒的凸聚类如何检测异常值特征。