一致且与互补图正则化的多视图子空间聚类
机器学习
2020-04-08 v1 机器学习
摘要
本研究探讨多视图聚类问题，其中多个视图包含一致信息，且每个视图亦包含互补信息。挖掘全部信息对于良好的多视图聚类至关重要。然而，大多数传统方法盲目或粗略地组合多个视图进行聚类，无法充分利用有价值的信息。因此，我们提出了一种方法，即一致且与互补图正则化的多视图子空间聚类(GRMSC)，其将一致图正则化项与互补图正则化项同时整合进目标函数。具体而言，一致图正则化项学习所有视图共享的数据点的内在亲和关系。互补图正则化项探究多个视图的特有信息。值得注意的是，一致与互补正则化项分别由依据多视图一阶邻近度与二阶邻近度构建的两个不同图来表述。目标函数通过增广拉格朗日乘子法优化，以实现多视图聚类。在六个基准数据集上的大量实验验证了所提方法相对于其他最先进多视图聚类方法的有效性。
引用
@article{arxiv.2004.03106,
title = {Consistent and Complementary Graph Regularized Multi-view Subspace Clustering},
author = {Qinghai Zheng and Jihua Zhu and Zhongyu Li and Shanmin Pang and Jun Wang and Lei Chen},
journal= {arXiv preprint arXiv:2004.03106},
year = {2020}
}