稀疏子空間聚類

解讀文獻：Sparse subspace clustering (cvpr09)

現有的子空間聚類方法，可分為六大類： (本人感覺大都很陌生，

)

     疊代的：K-subspaces, fitting a subspace to each cluster.

     統計的：mixtures of probabilistic PCA; Multi-state learning

     基于因式分解的；尋找一個初始化的分割，通過矩陣分解~

     譜聚類的：利用點之間的相似性~

     代數的：Generalized PCA

     資訊理論的：Agglomerative lossy compression.

本文的主要工作：子空間聚類+稀疏表示。（最近麼東西和稀疏一結合，都是一篇paper了~真暈~）

首先利用稀疏表示系數向量（子空間中結合），聚類資料，分為幾個分離的子空間。

相似性矩陣--》譜聚類，

未完待續中。。。。。