双重图正则化多视图子空间聚类
机器学习
2022-10-03 v1
摘要
近年来，多视图子空间聚类引起了日益增长的学术兴趣。本文提出一种新颖的双重图正则化多视图子空间聚类（DGRMSC）方法，旨在统一框架中利用多视图数据的全局与局部结构信息。具体而言，DGRMSC首先学习一个潜在表示以挖掘多视图的全局互补信息。基于所学潜在表示，我们学习一个自表示以探索其全局簇结构。进一步地，在潜在表示与自表示上同时执行双重图正则化（DGR），以利用它们的局部流形结构。随后，我们设计了一种迭代算法来有效求解该优化问题。在真实数据集上的大量实验结果证明了所提方法的有效性。
引用
@article{arxiv.2209.15143,
title = {Double Graphs Regularized Multi-view Subspace Clustering},
author = {Longlong Chen and Yulong Wang and Youheng Liu and Yutao Hu and Libin Wang},
journal= {arXiv preprint arXiv:2209.15143},
year = {2022}
}