基于潜在表示的自适应权重多视图子空间聚类算法
现有的多视图聚类研究中,互补性信息和视图噪声作为常见且重要的多视图聚类影响因素,往往没有同时得到关注和优化.基于此,提出一种潜在低秩稀疏约束的自适应权重多视图子空间聚类算法(SMSC-LLSC).具体的,学习多视图子空间的潜在表示,以全面获取各个视图间的互补信息,并使重构子空间具有低秩稀疏特性,从而使得子空间潜在表示更精准;在构建共享表示矩阵过程中,为每个视图分配自适应权重,以衡量各视图对聚类效果的贡献程度,权重由不同视图的表示矩阵与共享表示矩阵之间距离的反比关系来确定.SMSC-LLSC在6个不同数据集中的对比实验结果证明该算法具有一定有效性.
多视图聚类、子空间聚类、潜在表示、低秩稀疏约束、自适应权重
19
TP18(自动化基础理论)
2023-08-07（万方平台首次上网日期，不代表论文的发表时间）
共6页
10-15
