Régularisation laplacienne pour le subspace clustering L

Le paradigme de subspace clustering flou standard peut conduire à des discontinuités dans les solutions calculées : des points voisins peuvent être affectés à des clusters différents, ce qui peut conduire à une mauvaise estimation des sous-espaces. Pour contrer ce phénomène, cet article propose d'ajouter à la fonction de coût un terme de régularisation, inspiré du clustering spectral, pour combiner une similarité globale à la similarité locale à chaque cluster. Un nouvel algorithme basé sur l'optimisation alternée, appelé Weighted Laplacian Fuzzy Clustering, WLFC, en est dérivé et étudié expérimentalement.