典型文献
基于锚点图的低秩缺失多视图子空间聚类
文献摘要：
经典的多视图聚类任务针对的是完整数据,然而实际任务中受限于信息的获取渠道,某些视图往往含有缺失数据,由此引出了缺失多视图聚类问题.针对此问题,现有的聚类模型大多基于非负矩阵分解或距离构造聚类图,存在着联合优化使解的性能得不到保障以及无法对全局结构进行充分刻画的不足.为了提升聚类图的性能,基于低秩子空间聚类和锚点图,文中提出了一种低秩缺失多视图子空间聚类算法ALIMSC.该算法先通过基于锚点图的缺失多视图聚类(APMC)算法得到数据的基准相似矩阵,将其嵌入低秩子空间聚类模型,通过升维对齐和加权融合的方法得到相似矩阵,再通过让相似矩阵与基准相似矩阵尽可能的一致来求得最终的聚类图.ALIMSC算法通过对每个视图的相似矩阵施加秩最小化约束来刻画高维数据的低维子空间分布,在原有锚点图的基础上进一步强调了数据的子空间算法结构,即聚类图中所体现的块对角性.在多个公开数据集上的实验结果表明,本文算法的聚类性能优于所对比的缺失多视图聚类算法.
文献关键词：
聚类算法;低秩表示;缺失多视图聚类;子空间聚类
中图分类号：
作者姓名：
刘小兰;石宗宇;叶泽慧;梁勇
作者机构：
华南理工大学 数学学院,广东 广州 510640
文献出处：
引用格式：
[1]刘小兰;石宗宇;叶泽慧;梁勇-.基于锚点图的低秩缺失多视图子空间聚类)[J].华南理工大学学报（自然科学版）,2022(12):60-70
A类：
缺失多视图聚类,ALIMSC,APMC,块对角性
B类：
锚点,多视图子空间聚类,整数,受限于,获取渠道,缺失数据,引出,聚类问题,聚类模型,非负矩阵分解,联合优化,得不到,全局结构,聚类算法,相似矩阵,升维,对齐,加权融合,高维数据,低维子空间,子空间算法,算法结构,公开数据集,低秩表示
AB值：
0.177553
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
