摘要: 针对聚类中忽略局部结构、 低秩表示张量与亲和矩阵高度依赖性等问题, 提出一种基于图形正则化低秩表示张量与亲和矩阵的多视图聚类方法. 首先, 提出一个统一的框架学习多视图子空间的图正则低秩表示张量和亲和矩阵; 其次, 进一步通过基于张量核范数的张量奇异值分解分析高阶交叉视图关联性, 并利用图形正则化保留嵌入在高维空间中的局部结构; 最后, 利用约束二次规划为每个视图分配自适应权重. 在7个数据集上的实验结果证明了该方法聚类效果更好.
中图分类号:
程学军, 王建平. 基于图形正则化低秩表示张量与亲和矩阵的多视图聚类[J]. 吉林大学学报(理学版), 2022, 60(3): 671-684.
CHENG Xuejun, WANG Jianping. Multiple View Clustering Based on Graph Regularization Low Rank Representation Tensor and Affinity Matrix[J]. Journal of Jilin University Science Edition, 2022, 60(3): 671-684.