探寻共性与不一致性：一种联合平滑的多视图子空间聚类方法

多视图子空间聚类旨在从多个视图中发现隐藏的子空间结构以实现鲁棒聚类，近年来引起了广泛关注。尽管取得了显著进展，以往大多数多视图子空间聚类算法仍面临两个局限。首先，它们通常关注多视图的一致性（或共性），却往往缺乏捕捉子空间表示中跨视图不一致性的能力。其次，许多方法忽视了多视图的局部结构，无法联合利用多个局部结构来增强子空间表示学习。为应对这两个局限，本文提出一种联合平滑多视图子空间聚类（JSMC）方法。具体而言，我们同时将跨视图共性与不一致性纳入子空间表示学习。提出视图共识分组效应以联合利用多视图的局部结构来正则化视图共性表示，并进一步通过核范数将其与低秩约束相关联以强化其聚类结构。由此，跨视图共性与不一致性、视图共识分组效应以及低秩表示被无缝整合进一个统一的目标函数，并基于该函数执行交替优化算法以获得用于聚类的鲁棒子空间表示。在多个真实世界多视图数据集上的实验结果证实了本方法的优越性。代码见：https://github.com/huangdonghere/JSMC。