Multiview Tensor Spectral Clustering via Co-Regularization
多视角张量谱聚类通过协同正则化
Hongmin Cai; Yu Wang; Fei Qi; Zhuoyao Wang; Yiu-ming Cheung
摘要
基于图的多视角聚类将多视角数据编码为样本的亲和性,以寻找共识表示,有效克服了不同视角之间的异质性。然而,传统的亲和性度量随着特征维度的扩大而趋于崩溃,这给估计揭示跨视角和内部关系的统一对齐带来了挑战。为了解决这一挑战,我们提出通过共识表示的协同正则化来实现多视角统一聚类。首先,通过流行的二元亲和性和最近的高阶亲和性来编码样本亲和性,以全面描述HDLSS数据的空间分布。其次,通过协同正则化来对齐多视角低维表示,学习融合共识表示。融合表示的学习在流形空间中通过高阶特征值问题建模,以保持原始数据的内在联系和互补相关性。通过流形最小化设计的数值方案可有效解决高阶特征值问题。在八个HDLSS数据集上的实验表明,与最新的13种基准方法相比,我们提出的方法是有效的。
关键词
- 高阶亲和性
- 聚类
- 融合亲和性
- 流形优化
- 张量
- 谱图
订阅专栏 解锁全文
547

被折叠的 条评论
为什么被折叠?



