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。