[PED03]Partial Multi-view Subspace Clustering

论文提出了一种名为Partial Multi-view Subspace Clustering (PMSC)的方法,旨在解决缺失数据的多视图聚类问题。通过学习潜在表示并利用其自表达得到子空间表示,PMSC能够在数据不完整的情况下揭示底层子空间结构,提高聚类效果。相比其他处理缺失数据的方法,PMSC更注重保留数据的子空间结构。
摘要由CSDN通过智能技术生成

Partial Multi-view Subspace Clustering


来源:MM2018
作者:Nan Xu, Yangqing Guo…(Dalian University of Technology)

缺失多视图论文汇总:https://github.com/Jeaninezpp/Incomplete-multi-view-clustering

一句话概括

从原始数据中学习潜在表示,利用潜在表示的自表达得到子空间表示。

论文摘要

missing data 和 partial data在实际任务中非常常见。本文提出一种Partial Multi-view Subspace Clustering (PMSC)来解决不完全多视图问题。

关键词

Partial multi-view data;子空间聚类;潜在空间;子空间结构。

Introduction

  • 当数据在某个视图有缺失的时候,常见的两种处理方式为:
    • 删除有缺失的数据。
      • 缺点:有缺失数据的样本无法聚类。
    • 填充缺失的信息。
      • 缺点:不能实现很好的性能。
  • Existing methods:
    • Li et al.[7] :开创性工
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值