基于k-近邻局部线性邻域重建的多视角聚类算法
Basic Sciences Journal of Textile Universities(2023)
Abstract
多视图聚类旨在利用不同视图间互为差异、互相补充的信息对数据对象进行聚类,如何融合不同视角的数据是多视角聚类算法的重要问题之一.为了能更准确有效地刻画视角间的相似关系,提出一种基于k-近邻局部线性邻域重建的多视角聚类算法.首先,利用数据点间的距离分配概率近邻,得到各视角数据对应的相似矩阵;其次,通过引入k-近邻,对各视角相似矩阵进行局部线性邻域重建后融合为统一的相似矩阵;同时,引入HSIC刻画不同视角的多样性.通过将统一图的学习与多样性学习整合在统一的框架中,本模型有能力输出一个包含了各视图多样信息的融合图.通过交替迭代算法,所提模型可以被很好地优化.多个公开数据集上的对比实验证明了所提出算法的有效性优于其他已有算法.
MoreKey words
multi-view clustering,graph learning,k-nearest neighbor,local linear,Hilbert-Schmidt independence criterion
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined