基于坐標下降的并行稀疏子空間聚類方法

　　隨著數(shù)據(jù)規(guī)模的不斷擴大，稀疏子空間聚類問題面臨計算上的巨大挑戰(zhàn)?，F(xiàn)有稀疏予空間聚類算法如交替方向乘子法（ ADMM）往往基于串行實現(xiàn)，難以利用多核處理器提高處理大規(guī)模聚類問題的效率。針對這個問題，提出一種基于坐標下降的并行稀疏子空間聚類方法。該方法利用稀疏子空間聚類可以建模為求解一系列的樣本自稀疏表達子問題的特點，使用坐標下降方法來求解每個子問題，具有參數(shù)少、收斂快的優(yōu)點；同時結(jié)合自稀疏表達子問題獨立的特點，在處理器的各個核心上同時求解不同樣本對應(yīng)的予問題，因此可以充分利用計算機資源，減少運行時間開銷。在模擬數(shù)據(jù)和運動分割數(shù)據(jù)集Hopkins-155上與常用的ADMM算法進行對比實驗，結(jié)果表明該算法在多核處理器上可以顯著提升運行速度且聚類精度與ADMM相當。