摘要
本发明提出了一种基于隐表示和自适应的多视图子空间聚类方法,主要解决多视图聚类方法中存在的聚类准确率低的问题,实现步骤为:(1)获取原始数据集的多视图数据矩阵;(2)计算多视图数据矩阵的拉普拉斯矩阵;(3)构建基于隐表示和自适应的多视图子空间聚类的目标函数;(4)对目标函数进行优化;(5)对优化后的目标函数中的变量进行初始化;(6)对优化后的目标函数中的变量进行交替迭代;(7)计算优化后的目标函数中的多视图自表示系数矩阵的值;(8)对原始数据集进行聚类。本发明利用隐表示和自适应,充分利用多个视图的信息,有效提高了多视图聚类的准确率,可用于图像分割,商务分析,生物分类等领域。
- 单位