科研之友
微信
新浪微博
Facebook
分享链接
摘要
经典的多视图聚类任务针对的是完整数据，然而实际任务中受限于信息的获取渠道，某些视图往往含有缺失数据，由此引出了缺失多视图聚类问题。针对此问题，现有的聚类模型大多基于非负矩阵分解或距离构造聚类图，存在着联合优化使解的性能得不到保障以及无法对全局结构进行充分刻画的不足。为了提升聚类图的性能，基于低秩子空间聚类和锚点图，文中提出了一种低秩缺失多视图子空间聚类算法ALIMSC。该算法先通过基于锚点图的缺失多视图聚类（APMC）算法得到数据的基准相似矩阵，将其嵌入低秩子空间聚类模型，通过升维对齐和加权融合的方法得到相似矩阵，再通过让相似矩阵与基准相似矩阵尽可能的一致来求得最终的聚类图。ALIMSC算法通过对每个视图的相似矩阵施加秩最小化约束来刻画高维数据的低维子空间分布，在原有锚点图的基础上进一步强调了数据的子空间算法结构，即聚类图中所体现的块对角性。在多个公开数据集上的实验结果表明，本文算法的聚类性能优于所对比的缺失多视图聚类算法。
-
单位华南理工大学; 数学学院
