基于双范数与流形约束的高阶增强型多视角子空间聚类
《Scientific Reports》:High-order enhanced multi-view subspace clustering via dual norm and manifold constraints
【字体:
大
中
小
】
时间:2026年09月18日
来源:Scientific Reports 4.9
编辑推荐:
多视角子空间聚类(MSC)算法是多视角聚类研究的重要组成部分。当前MSC研究面临的难点在于,往往难以同时获得具有类间稀疏性和类内一致性的子空间表示(SR),并增强SR的块对角性质。此外,这些方法在深入挖掘数据底层流形结构方面的能力往往不足。基于此,本文提出了一种通过双范数和流
多视角子空间聚类(MSC)算法是多视角聚类研究的重要组成部分。当前MSC研究面临的难点在于,往往难以同时获得具有类间稀疏性和类内一致性的子空间表示(SR),并增强SR的块对角性质。此外,这些方法在深入挖掘数据底层流形结构方面的能力往往不足。基于此,本文提出了一种通过双范数和流形约束实现的高阶增强型MSC方法(HEMSCDM)。该方法利用Frobenius范数约束和一种新颖的稀疏约束,获得具有类内一致性和类间稀疏性的SR,同时进一步增强SR的块对角结构。为了提取多视角数据中的共性数据,本研究引入张量概念,并对张量施加低秩(LR)约束以消除无关信息。此外,所构建的方法采用流形约束来探索数据中的流形信息,从而获取更本质的信息,进而增强模型的学习能力。针对HEMSCDM,我们开发了一种高效的求解算法并分析了其收敛性。在多种多视角数据集上的实验最终证明了我们的模型具有更强的聚类能力,甚至优于最先进的多视角聚类方法。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号