l*********
Lv.3 学术文献阅读达人
2020/08/21 22:21
多视图谱聚类
以往的多视图谱聚类方法是两步聚类策略，首先从原始数据中学习到所有视图的固定公共表示(或公共关联矩阵)，然后对得到的公共关联矩阵进行k-means聚类。本文针对以往两步多视图聚类方法存在的问题，提出了一步多视图聚类方法，考虑了多视图数据的高阶信息、视图的重要性和噪声，同时将公共关联矩阵的学习、变换矩阵的学习、视图权重的学习和k-means聚类嵌入到一个框架，输出的公共关联矩阵就是最终聚类结果。在该方法中，公共关联矩阵学习的目标是获得最优聚类结果，它是从低维数据中学习的，而在低维数据中去除了原始高维数据的噪声和冗余。并进一步提出了一种迭代优化方法来快速求解所提目标函数。结果表明，与其他方法相比，该方法可以在综合数据集和真实数据集上输出各种评价指标的最优聚类结果，验证了该方法的有效性。
领书计划详情
