paper:Multi-view subspace clustering with intactness-aware similarity(Xiaobo Wang a , Zhen Lei b , ∗, Xiaojie Guo c , Changqing Zhang c , Hailin Shi a , Stan Z. Li b , d )
解决问题:1.由于视图不足导致信息丢失,尝试从多视图数据中恢复完整的空间。例如[41],“intact”意味着完整并且未受损坏,这对图的构建非常有利。2.使用HSIS(Hilbert–Schmidt Independence Criterion)指导谱聚类。
以前构造相似矩阵方法存在问题:一是尽管不同相似矩阵中的块结构相似,但它们的值可能会显著不同,因此达成相似性共识可能会大大降低性能。换句话说,相似性假设可能不成立。另一个原因是,上述方法构造的相似度信息量较小,因为大多数方法都忽略了局部连通性。
希尔伯特-施密特独立性准则
结论:为了最大化两个随机变量X和Y之间的相关性,tr(K1HK2H)应该最大化。参考[55,58]
完备空间学习