典型文献
基于格拉斯曼流形子空间融合的多视图聚类
文献摘要：
现有的多视图聚类算法大多假设多视图数据点之间为线性关系,且在学习过程中无法保留原始特征空间的局部性;而在欧氏空间中进行子空间融合又过于单调,无法将学习到的子空间表示对齐.针对以上问题,提出了基于格拉斯曼流形融合子空间的多视图聚类算法.首先,将核技巧和局部流形结构学习结合以得到不同视图的子空间表示;然后,在格拉斯曼流形上融合这些子空间表示以得到一致性亲和矩阵;最后,对一致性亲和矩阵执行谱聚类来得到最终的聚类结果,并利用交替方向乘子法(ADMM)来优化所提模型.与核多视图低秩稀疏子空间聚类(KMLRSSC)算法相比,所提算法的聚类精度在MSRCV1、Prokaryotic、Not-Hill数据集上分别提高了20.83个百分点、9.47个百分点和7.33个百分点.实验结果验证了基于格拉斯曼流形融合子空间的多视图聚类算法的有效性和良好性能.
文献关键词：
子空间融合;多视图聚类;核技巧;局部流形结构;格拉斯曼流形
中图分类号：
作者姓名：
管娇娇;钱雪忠;周世兵;姜凯彬;宋威
作者机构：
江南大学人工智能与计算机学院,江苏无锡 214122
文献出处：
引用格式：
[1]管娇娇;钱雪忠;周世兵;姜凯彬;宋威-.基于格拉斯曼流形子空间融合的多视图聚类)[J].计算机应用,2022(12):3740-3749
A类：
子空间融合,低秩稀疏子空间聚类,KMLRSSC,MSRCV1
B类：
格拉斯曼流形,多视图聚类,聚类算法,多假设,多视图数据,据点,学习过程,特征空间,局部性,欧氏空间,对齐,合子,核技巧,局部流形结构,结构学习,亲和矩阵,谱聚类,来得,交替方向乘子法,ADMM,聚类精度,Prokaryotic,Not,Hill,百分点,好性
AB值：
0.195516
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。
