l*********
Lv.3 学术文献阅读达人
2020/08/19 23:48
基于图的多视图聚类
本文提出了一种新的多视图聚类模型，即基于图的多视图聚类GMC模型。GMC不仅可以自动对每个视图进行权重，在融合后直接生成最终的聚类，不需要执行任何额外的聚类步骤，而且可以将每个视图的图与融合图共同构造，使它们相互促进，相互增强。具体来说，每个视图的数据矩阵首先转换为由相似度图矩阵生成的图矩阵。我们称此图矩阵为相似度诱导图(SIG)矩阵。然后将所提出的融合方法应用于所有视图的SIG矩阵，以学习一个统一的矩阵U（即融合图矩阵)。U的学习自动考虑不同视图的不同权重，同时将学习到的统一矩阵U返回来改进每个视图的SIG矩阵。加入了统一矩阵的拉普拉斯矩阵的秩约束，以限制统一矩阵的连通分支的数量等于所需数量的簇。因此，GMC模型赋予权重并提高每个视图的SIG矩阵,以及同时生成统一矩阵和最后的簇。
领书计划详情
