阅读笔记之：Co-regularized multi-view spectral clustering-NIPS2011

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