LT-MSC

题目：Low-Rank Tensor Constrained Multiview Subspace Clustering

一. 准备

LRR低秩子空间聚类
张量的展开
关于张量的展开有一个技巧：
对于一个三维张量，如果要按照$n_1$展开，就用$n_2和n_3$两个向量组成平面。将这个平面看成一把刀，去切三维的魔方。假设切出来了3块二维的魔方。现在，把每块二维魔方展开成一维魔方，将每块一维魔方看成行向量。再将三个行向量堆起来，就完成了按照$n_1$展开的三维张量。

二. 创新点

首先将LRR算法由单视图拓展到了多视图，然后用张量展开的方式去全方位地控制表征矩阵的秩。

三. 过程

目标函数：

其中：

就是将Z按照每一个维度张量展开，然后算出每个展开后的核范数，再加起来成为总的核范数。
将上面的目标函数写完整就是：

通过迭代得到每个视图的表征矩阵$Z$以后，将他们对称化（因为谱聚类是基于图的矩阵，$S_{ij}$表示$i$到$j$的距离，它是等于$j$到$i$的距离的，这样的话$S$矩阵就对称了），再全部加起来。

再将S丢到谱聚类中去进行最后的聚类。