基于自适应一致性图滤波器的多视图子空间聚类
计算机视觉与模式识别
2024-03-15 v1 机器学习
摘要
多视图子空间聚类（MVSC）近年来引起了越来越多的关注。大多数现有的 MVSC 方法首先从不同视图中收集互补信息，随后推导出一个一致性重构系数矩阵，以指示多视图数据集的子空间结构。在本文中，我们首先假设存在一个一致性重构系数矩阵，然后利用它构建一个一致性图滤波器。在每个视图中，该滤波器被用于平滑数据并为重构系数矩阵设计正则化项。最后，从不同视图获得的重构系数矩阵被用来为一致性重构系数矩阵创建约束。因此，在所提出的方法中，一致性重构系数矩阵、一致性图滤波器以及来自不同视图的重构系数矩阵是相互依赖的。我们提供了一种优化算法来获取它们的最优值。在多个多视图数据集上的广泛实验表明，我们的方法优于一些 state-of-the-art 方法。
引用
@article{arxiv.2403.08787,
title = {Multi-view Subspace Clustering via An Adaptive Consensus Graph Filter},
author = {Lai Wei and Shanshan Song},
journal= {arXiv preprint arXiv:2403.08787},
year = {2024}
}