从损坏和不完整数据中贪心子空间聚类的方法
Greedy Approach for Subspace Clustering from Corrupted and Incomplete Data
University of Georgia（佐治亚大学）；Algosoft Tech USA
AI总结：
本文提出了一种贪心稀疏子空间聚类算法，用于从损坏和不完整数据中高效聚类属于几个低维线性或仿射子空间的数据，并证明其显著提升了现有最佳子空间聚类算法的性能。
摘要：
我们描述了贪心稀疏子空间聚类（GSSC）算法，提供了一种从不完整、损坏和噪声数据中对属于几个低维线性或仿射子空间的数据进行聚类的高效方法。我们提供了数值证据，证明即使在最简单的实现中，贪心方法也显著增强了现有最佳状态的子空间聚类能力。
英文摘要：
We describe the Greedy Sparse Subspace Clustering (GSSC) algorithm providing an efficient method for clustering data belonging to a few low-dimensional linear or affine subspaces from incomplete corrupted and noisy data. We provide numerical evidences that, even in the simplest implementation, the greedy approach increases the subspace clustering capability of the existing state-of-the art SSC algorithm significantly.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
