科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统多视角学习方法只关注从多视角中提取共享信息而忽略了各视角的特有信息和高阶关联的问题，提出了一种基于截断核范数的低秩张量分解的多视角谱聚类算法。计算各视角的样本相似度矩阵和转移概率矩阵，构建一个包含各视角马尔可夫转移概率矩阵的张量，从而保留各个视角的信息。采用基于张量奇异值分解的张量截断核范数约束目标张量的秩。通过最小化张量截断核范数学习到一个既包含各个视角共享信息又具有高阶关联的张量。利用迭代最优化方法求解目标函数，将求得的目标张量输入谱聚类算法得到聚类结果。在4个不同类型数据集上进行实验并与传统聚类方法进行了对比，结果表明，所提算法在4个数据集上的标准互信息度量值比标准谱聚类算法分别...
- 单位
