典型文献
面向多视图聚类的低秩张量表示学习
文献摘要：
针对现有鲁棒图学习忽略多视图间的互补信息和高阶相关性问题,提出一种面向多视图聚类的低秩张量表示学习(LRTRL-MVC)算法.利用鲁棒主成分分析的思想,在去除噪声的干净数据上计算各视图的鲁棒图和转移概率矩阵,然后构建一个包含各视图马尔可夫转移概率矩阵的张量,采用基于张量奇异值分解的核范数来确保目标张量的低秩性质.利用迭代最优化算法求解,将求得的低秩张量作为马尔可夫谱聚类算法的输入得到最终聚类结果.在4个不同类型的公开标准数据集BBCSport、NGs、Yale和MSRCv1上进行实验并与相关的最好多视图聚类算法进行对比,结果表明在3个聚类度量标准下,所提算法的聚类结果均高于其他对比算法.
文献关键词：
多视图聚类;马尔可夫链;低秩张量
中图分类号：
作者姓名：
余瑶;杜世强;宋金梅
作者机构：
西北民族大学 数学与计算机科学学院,兰州 730030;西北民族大学 中国民族信息技术研究院,兰州 730030
文献出处：
引用格式：
[1]余瑶;杜世强;宋金梅-.面向多视图聚类的低秩张量表示学习)[J].计算机工程与应用,2022(13):154-163
A类：
LRTRL,BBCSport,MSRCv1
B类：
多视图聚类,低秩张量,表示学习,图学习,MVC,鲁棒主成分分析,除噪声,干净,净数,上计,转移概率矩阵,一个包,张量奇异值分解,核范数,低秩性,最优化算法,谱聚类算法,公开标准,标准数据集,NGs,Yale,好多,度量标准,对比算法,马尔可夫链
AB值：
0.289837
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。
