基于一步张量学习的多视图子空间聚类
One-step Tensor Learning for Multi-view Subspace Clustering作者机构:哈尔滨工业大学(深圳)深圳市视觉目标检测与判识重点实验室深圳518055 鹏城实验室深圳518055
出 版 物:《自动化学报》 (Acta Automatica Sinica)
年 卷 期:2023年第49卷第1期
页 面:40-53页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)]
基 金:广东省自然科学基金(2022A1515010819) 国家自然科学基金(62106063) 深圳市科技创新委员会(GJHZ20210705141812038)资助。
主 题:多视图子空间聚类 张量奇异值分解 一步化学习 图学习
摘 要:现有多视图子空间聚类算法通常先进行张量表示学习,进而将学习到的表示张量融合为统一的亲和度矩阵.然而,因其独立地学习表示张量和亲和度矩阵,忽略了两者之间的高度相关性.为了解决此问题,提出一种基于一步张量学习的多视图子空间聚类方法,联合学习表示张量和亲和度矩阵.具体地,该方法对表示张量施加低秩张量约束,以挖掘视图的高阶相关性.利用自适应最近邻法对亲和度矩阵进行灵活重建.使用交替方向乘子法对模型进行优化求解,通过对真实多视图数据的实验表明,较于最新的多视图聚类方法,提出的算法具有更好的聚类准确性.