中国科学: 信息科学
基于本质自表示的多视角子空间聚类
于晓1,2, 刘慧1,2,3*, 吴彦3, 张彩明2,4
1. 山东财经大学计算机科学与技术学院, 济南250014, 中国
2. 山东省数字媒体技术重点实验室, 济南250014, 中国
3. Medical Center, Stanford University, Palo Alto 94305, USA
4. 山东大学软件学院, 济南250010, 中国
论文简介
本文提出了一种基于本质自表示的多视角子空间聚类方法(intrinsic self-representation for multi-view subspace clustering, ISMSC)，从数据的潜在表示中学习相似度矩阵，并利用数据的自表达特性将所有视角的特征融合成本质表示。然后，本文使用交替方向乘子法（alternating direction method of multipliers，ADMM）设计了有效的求解策略对模型进行优化。
算法流程：
实验结果：
