基于低秩张量图学习的不完整多视角聚类

摘要：

传统多视角聚类都基于视角完备假设,要求所有样本的视角信息完整,不能处理存在部分视角缺失情形下的不完整多视角聚类任务.为解决该问题,提出一种基于低秩张量图学习的不完整多视角聚类方法.为了恢复相似图中缺失视角所对应的样本关联信息,该方法将低秩张量图约束和视角内在图保持约束融入到多视角谱聚类模型.通过在一个统一模型中同时挖掘视角间的互补信息和视角内未缺失样例的关联信息,所提出的方法能够得到表征样例邻接关系的完整相似图和视角间一致的最优聚类指示矩阵.与 12 种不完整多视角聚类方法进行实验对比,实验结果表明所提出的方法在多种视角缺失率下的5个数据集上获得了最好的聚类性能.

关键词：多视角聚类、视角缺失、不完整多视角聚类、图学习

所属期刊栏目：49

分类号：TP391.6;TP181;TN956

在线出版日期：2023-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1433-1445