典型文献
基于深度图正则化矩阵分解的多视图聚类算法
文献摘要：
针对现实社会中由多种表示或视图组成的多视图数据广泛存在的问题,深度矩阵分解模型因其能够挖掘数据的层次信息而备受关注,但该模型忽略了数据的几何结构信息.为解决以上问题,本文提出基于深度图正则化矩阵分解的多视图聚类算法,通过获取每个视图的局部结构信息和全局结构信息在逐层分解中加入两个图正则化限制,保护多视图数据的几何结构信息,同时将视图的权重与特征表示矩阵进行结合获得共识表示矩阵,最大化视角间的互补性,保证数据的一致性和差异性.除此之外,本文使用迭代更新变量的方法最小化目标函数,不断优化模型并进行收敛性分析.将本文算法和多个算法在三个人脸数据集和两个图像数据集上运行,通过多项指标的对比可以看出本文提出的算法具备良好的性能表现.
文献关键词：
多视图聚类;深度矩阵分解;几何结构;图正则化;矩阵分解;多视图表示学习;层次结构信息;深度学习
中图分类号：
作者姓名：
刘相男;丁世飞;王丽娟
作者机构：
中国矿业大学计算机科学与技术学院,江苏徐州 221116;徐州工业职业技术学院信息与电气工程学院,江苏徐州 221400
文献出处：
引用格式：
[1]刘相男;丁世飞;王丽娟-.基于深度图正则化矩阵分解的多视图聚类算法)[J].智能系统学报,2022(01):158-169
A类：
多视图表示学习
B类：
深度图,图正则化,多视图聚类,聚类算法,现实社会,多视图数据,深度矩阵分解,分解模型,几何结构,局部结构,全局结构信息,逐层,特征表示,表示矩阵,互补性,保证数据,除此之外,迭代更新,新变量,收敛性分析,人脸数据集,图像数据集,层次结构信息
AB值：
0.233683
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。
