具有图正则化的判别约束半监督多视图非负矩阵分解
机器学习
2020-10-27 v1
摘要
近年来，半监督多视图非负矩阵分解（MVNMF）算法在多视图聚类中取得了良好的性能。然而，大多数半监督 MVNMF 未能同时有效考虑簇间的判别信息以及来自多个视图的特征对齐。本文提出一种新颖的判别约束半监督多视图非负矩阵分解（DCS^2MVNMF）。具体而言，为每个视图的辅助矩阵引入一个判别权重矩阵，以增强类间区分度。同时，利用标签和几何信息构造了一个新的图正则化项。此外，我们设计了一种新的特征尺度归一化策略以对齐多个视图，并给出了相应的迭代优化方案。在多个真实世界多视图数据集上进行的大量实验证明了所提方法的有效性。
引用
@article{arxiv.2010.13297,
title = {Discriminatively Constrained Semi-supervised Multi-view Nonnegative Matrix Factorization with Graph Regularization},
author = {Guosheng Cui and Ruxin Wang and Dan Wu and Ye Li},
journal= {arXiv preprint arXiv:2010.13297},
year = {2020}
}