宽度学习系统用于数据聚类
作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/
阅读本文的前提：宽度学习系统(Broad Learning System, BLS)。了解什么是宽度学习系统，有一篇文章是关于BLS的综述，适合BLS入门的初学者看，参看参考文献[2]。
本博文给出宽度学习系统用于聚类的一个应用实例——基于无监督宽度学习的高光谱图像聚类(Hyperspectral Image Clustering Based on Unsupervised Broad Learning)。由于高光谱图像(HSI)的大量训练样本难以标记，无监督聚类方法受到了广泛的关注。最近提出的宽度学习(BL)可以实现线性和非线性映射。然而，最初的BL是一个有监督的模型。本文提出了一种用于HSI聚类的新方法—无监督宽度学习 (UBL)。首先，对UBL的输入和映射特征执行一个图正则化稀疏自编码器，以保持原始HSI的内在流形结构。然后，设计了由输出层权值的l2范数和图正则化项组成的UBL目标函数，该目标函数可以通过选择最小特征值对应的特征向量来求解。最后，将谱聚类应用到UBL的输出上，得到HSI聚类结果。
参考文献：
[1] Y. Kong, Y. Cheng, C. L. P. Chen and X. Wang, "Hyperspectral Image Clustering Based on Unsupervised Broad Learning," IEEE Geoscience and Remote Sensing Letters, vol. 16, no. 11, pp. 1741-1745, Nov. 2019.
[2] X. Gong, T. Zhang, C. L. P. Chen and Z. Liu, "Research Review for Broad Learning System: Algorithms, Theory, and Applications," IEEE Transactions on Cybernetics, doi: 10.1109/TCYB.2021.3061094.