低秩张量限制的多视图子空间聚类
Abstract
本文提出一种低秩张量限制的多视图子空间聚类方法(LR-MSC)。这个方法是属于多视图子空间类别。该方法是将从不同视图中学习到的子空间表示矩阵看成一个张量,张量可以捕获多视图数据之间的高阶相关性。再对这个张量施加低秩约束,这个约束可以优雅的建模不同视图之间的交叉信息,从而有效的减少子空间表示的冗余,提高聚类的精确度。通过增广的拉格朗日交替方向乘子法(AL-ADM) 有效的解决优化问题,在各种实验数据集上证明了该方法的有效性。
2. Relate work
ps:以往重复的就不再提及s
3.The Proposed Approach
3.1张量知识拓展
在此处扩展一下关于张量的知识点,对于一些基础概念我就不一一赘述,我只简单的提及一下,张量可以把它想象成一个盛放数据的容器,它有很多种形式,其实在最