基于深度图正则化矩阵分解的多视图聚类算法

摘要：

针对现实社会中由多种表示或视图组成的多视图数据广泛存在的问题,深度矩阵分解模型因其能够挖掘数据的层次信息而备受关注,但该模型忽略了数据的几何结构信息.为解决以上问题,本文提出基于深度图正则化矩阵分解的多视图聚类算法,通过获取每个视图的局部结构信息和全局结构信息在逐层分解中加入两个图正则化限制,保护多视图数据的几何结构信息,同时将视图的权重与特征表示矩阵进行结合获得共识表示矩阵,最大化视角间的互补性,保证数据的一致性和差异性.除此之外,本文使用迭代更新变量的方法最小化目标函数,不断优化模型并进行收敛性分析.将本文算法和多个算法在三个人脸数据集和两个图像数据集上运行,通过多项指标的对比可以看出本文提出的算法具备良好的性能表现.

关键词：多视图聚类;深度矩阵分解;几何结构;图正则化;矩阵分解;多视图表示学习;层次结构信息;深度学习

所属期刊栏目：17

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：158-169