基于最优传输子空间聚类的癌症单细胞类型识别方法

本发明提出了一种基于最优传输子空间聚类的癌症单细胞类型识别方法，本申请通过采用局部图引导的学习策略，本发明有效解决了深度子空间聚类中的常见问题，即自表达学习过程中易于收敛到次优解，进而导致较差的聚类结果。该策略显著提高了聚类过程的准确性和稳健。进一步的，本申请还引入Wasserstein正则化自表达学习方法，结合最佳传输算法，极大提升了模型对细胞聚类任务中子空间结构的学习能力，使得模型能够获得更为稳健和可靠的子空间表示，从而提高聚类质量。