基于一步张量学习的多视图子空间聚类

作者：赵晓佳; 徐婷婷; 陈勇勇^*; 徐勇

来源：自动化学报, 2023, 49(01): 40-53.

DOI：10.16383/j.aas.c220138

• 多视图子空间聚类
• 张量奇异值分解
• 一步化学习
• 图学习

现有多视图子空间聚类算法通常先进行张量表示学习,进而将学习到的表示张量融合为统一的亲和度矩阵.然而,因其独立地学习表示张量和亲和度矩阵,忽略了两者之间的高度相关性.为了解决此问题,提出一种基于一步张量学习的多视图子空间聚类方法,联合学习表示张量和亲和度矩阵.具体地,该方法对表示张量施加低秩张量约束,以挖掘视图的高阶相关性.利用自适应最近邻法对亲和度矩阵进行灵活重建.使用交替方向乘子法对模型进行优化求解,通过对真实多视图数据的实验表明,较于最新的多视图聚类方法,提出的算法具有更好的聚类准确性.

• 单位
  哈尔滨工业大学; 鹏城实验室; 哈尔滨工业大学（深圳）