基于加权张量低秩约束的多视图谱聚类

摘要：

现有基于图的多视图聚类方法通常难以同时考虑不同视图的潜在高阶相关信息和每个视图内的全局几何结构,导致聚类性能受限.为此,提出一种基于加权张量低秩约束的多视图谱聚类方法(WTLR-MSC).根据多视图数据构建概率转移矩阵,将所有的概率转移矩阵构建为三阶张量,并借助鲁棒主成分分析思想将其分解为目标张量和误差张量.使用加权张量核范数约束目标张量的旋转张量,利用奇异值先验信息准确挖掘多视图数据的潜在高阶相关信息,并利用核范数约束目标张量的每个正切片以刻画每个视图内的全局几何结构.基于此建立数学模型,并设计有效的求解算法.在BBCSport、BBC4View、COIL20、UCI Digits 4个常用数据集上的实验结果表明,WTLR-MSC较ERLRT、MCA2M、MGL-WTNN等聚类方法的性能有显著提升,准确率、标准化互信息、F1值、精确率、召回率相较于次优方法最高提升约1.3、1.0、1.2、1.6和0.8个百分点,大幅增强了多视图聚类的稳健性.

关键词：加权张量核范数、谱聚类、多视图谱聚类、图学习、张量低秩

所属期刊栏目：50

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;山东省自然科学基金面上项目;广东省自然科学基金面上项目;深圳市基础研究重点项目;青岛农业大学人才启动项目;青岛农业大学博士基金;深圳大学医工交叉研究基金

在线出版日期：2024-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：129-137