基于一步张量学习的多视图子空间聚类

摘要：

现有多视图子空间聚类算法通常先进行张量表示学习,进而将学习到的表示张量融合为统一的亲和度矩阵.然而,因其独立地学习表示张量和亲和度矩阵,忽略了两者之间的高度相关性.为了解决此问题,提出一种基于一步张量学习的多视图子空间聚类方法,联合学习表示张量和亲和度矩阵.具体地,该方法对表示张量施加低秩张量约束,以挖掘视图的高阶相关性.利用自适应最近邻法对亲和度矩阵进行灵活重建.使用交替方向乘子法对模型进行优化求解,通过对真实多视图数据的实验表明,较于最新的多视图聚类方法,提出的算法具有更好的聚类准确性.

关键词：多视图子空间聚类、张量奇异值分解、一步化学习、图学习

所属期刊栏目：49

分类号：TP391;TP181;TN911.73

资助基金：广东省自然科学基金项目;国家自然科学基金;深圳市科技创新委员会资助

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：40-53