想法:利用多个视角的信息进行聚类,提高聚类的准确性。很简单直接的原则;不同视角的数据具有潜在(underlying)一致的聚类。以这个为动机,在单视角谱聚类的基础上,增加多视角之间的约束。文章叫做共正则化(co-regularization),我理解的意思是,把多视角之间的约束当做每一个视角的正则化约束。文中还说共正则是在半监督中常见的技术,我觉得这种多视角的数据之间的对应关系也是一种监督信息。Anyway,之后可以看一下在半监督中的co-regularization。
单视角谱聚类:
这个式子中的v代表第v个视角,L代表的是graph的laplacian矩阵,而U的行就是数据的embeddings,得到U之后进行k-means聚类。在这个基础上作者提出了针对多视数据的两种co-regularization。
Pairwise Co-regularization 算法:
对laplacian矩阵特征值分解之后的U是对数据的embedding,也就是新的表达,作者