SHD-NMF+MV-Co-VH

题目：Multi-View Clustering with the Cooperation of Visible and Hidden Views

一. 创新点

该方法用NMF造出了一个全局的表征矩阵H，然后将这个H作为一个新的视图和原本的多视图一起进行多视图聚类。多视图聚类用的是带视图权重的多视图聚类算法。

二. SHD-NMF

目标函数：

把传统NMF的参数改成了多视图版本，其中H是全局的参数。再通过调整q的熵来控制好视图与差视图对H贡献的差异程度。lambda越大，差异性越小，lambda为0，则只会有因式分解效果最好的视图对目标函数起作用。

通过这一个步骤，就能得到H。该H被当作一个新的视图。

三. MV-Co-VH

目标函数：

其实本质上就是一个带视图权重的多视图聚类算法。将隶属度U设置为了全局变量。lambda控制隐视图和原多视图的影响大小；w控制原多视图中各个视图的影响大小。k个w的熵通过eta来决定。

其实这里把（1-lambda）去掉，就变成了带视图权重的多视图聚类算法的标准形式，这里加上（1-lambda）理解起来更直观，解释性更强。