问题引出:以往基于矩阵分解的不完整多视图聚类算法,将不完整多视图数据的表示学习和聚类作为两个独立的过程,即:他们首先学习多视图数据对应的表示矩阵,然后对一致表示矩阵进行聚类,忽略了表示学习和聚类分析相互依赖的事实。
因此,不完整多视图数据的表示学习和聚类分析同时进行可以实现更好的聚类[12,11]。
本文创新:
1.提出了一种新的子空间聚类算法,并且不需要后处理(k-means);
2.将不完整多视图学习和新的子空间聚类学习集成到同一目标函数中,并同时优化直至收敛;
OMVSC-IV
问题引出:以往基于矩阵分解的不完整多视图聚类算法,将不完整多视图数据的表示学习和聚类作为两个独立的过程,即:他们首先学习多视图数据对应的表示矩阵,然后对一致表示矩阵进行聚类,忽略了表示学习和聚类分析相互依赖的事实。
因此,不完整多视图数据的表示学习和聚类分析同时进行可以实现更好的聚类[12,11]。
本文创新:
1.提出了一种新的子空间聚类算法,并且不需要后处理(k-means);
2.将不完整多视图学习和新的子空间聚类学习集成到同一目标函数中,并同时优化直至收敛;
OMVSC-IV