一种矩阵分解和相似度矩阵学习的多视图聚类算法

摘要：

考虑到多视图数据之间的互补性和每个视图数据的高维度特性,提出了一种矩阵分解和相似度矩阵学习的多视图聚类算法.为了去除数据中存在的噪声,通过对每个视图的数据进行矩阵分解得到其潜在表示.最大化不同视图表示之间的独立性来得到不同视图的互补信息.为了融合不同视图的潜在表示,最大化最终数据表示的相似度与潜在表示的相似度.采用了最大化熵正则来限制潜在相似度矩阵的值和各视图的权重.3个真实数据库的实验表明,与比较算法相比,本文的聚类算法准确率分别高15％、9％和25％.

关键词：矩阵分解、多视图学习、相似度学习、聚类

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：河南省科技攻关项目202102210334

在线出版日期：2023-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：64-69,86