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
n_1
n1展开,就用
n
2
和
n
3
n_2和n_3
n2和n3两个向量组成平面。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
n_1
n1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
Z
Z以后,将他们对称化(因为谱聚类是基于图的矩阵,
S
i
j
S_{ij}
Sij表示
i
i
i到
j
j
j的距离,它是等于
j
j
j到
i
i
i的距离的,这样的话
S
S
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。