基于矩阵分解多样性和一致性学习的多视图聚类

• 作者: 顾美琪 阎维青 魏鑫 苏凯祺
• 来源期刊: 中国科技论文
• 关键词: 聚类 多视图数据 多样性和一致性学习 维度约简 自权重策略
• 年，卷（期）: 2021,（7）
• 页码范围: 754-761
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2783.2021.07.011

摘要

为充分考虑标签空间中多样性的影响,提出了一种新的多视图聚类方法.在标签空间中,首先将公共标签矩阵松弛为一致性部分和多样性部分,然后将其集成到基于多视图k-means矩阵分解的模型中;在数据空间中使用自权重策略对每个视图进行加权.为避免原始高维特征空间包含冗余信息和噪音造成维度灾难问题,将原始数据投影到低维空间进行降维;为保证算法的收敛性,使用基于交替方向最小化的增广拉格朗日乘子法(augmented Lagrangian multiplier with alternating direction minimiza-tion,ALM-ADM)来解决优化问题.在6个公开的真实数据集上进行实验,结果证明了所提出方法的有效性.