张量学习诱导的多视图谱聚类.pdfVIP

第47卷第1期计算机学报Vol.47No.1

2024年1月CHINESEJOURNALOFCOMPUTERSJan..2024

张量学习诱导的多视图谱聚类

1).3赖剑煌

陈曼笙蔡晓莎”林家祺”三黄栋束

王昌栋

1（中山大学计算机学院广州510006）

2)（中山大学数学学院（珠海）广东珠海519000）

3)（广东省知识产权大数据重点实验室广州510006）

4)（华南农业大学数学与信息学院广州510642）

摘要现有的方法将通过张量奇异值分解（t-SVD)正则化的低秩表示应用到多视图子空间聚类中，取得了令人

印象深刻的聚类性能，然而，它们都具有以下两个共同的缺点：（1）他们专注于探索样本之间的关系以构建表征，然

后将其堆叠为张量，其计算复杂度至少为O(n²logn）；（2）他们总是直接在整合的表征上运行标准的谱聚类算法，而

忽略了不同表征对最终聚类结果的先验知识.为了解决这些问题，本文提出了一种新颖的张量学习诱导的多视图

谱聚类（TLIMSC)方法，其中同时探索了空间聚类结构和互补信息.具体来说，该方法将关联样本和簇关系的多视

图谱嵌人表示堆叠成张量，计算复杂度最终变为O(nlogn）.然后，将学习到的带有不同自适应置信度的表征与最终

的一致聚类结果联系起来.在五个数据集上的广泛实验证明了TLIMSC所具有的有效性和高效性.

关键词多视图聚类；加权张量核范数；谱嵌人表征；自适应置信度

中图法分类号TP18D0I号10.11897/SP.J.1016.2024.00052

TensorLearningInducedMulti-ViewSpectralClustering

CAIXiao-Sha?)

CHENMan-Shengl)(LINJia-Qi2WANGChang-Dongl).3)

HUANGDong4)

LAIJian-Huangl)

I)(SchoolofComputerScienceandEngineering,SunYat-senUniversity,Guangzhou510006)

2)(SchoolofMathematics(Zhuhai),SunYat-senUniversity,Zhuhai,Guangdong519000)

3)(GuangdongProvincialKeyLaboratoryofIntellectualPropertyandBigData,Guangzhou510006)

)(CollegeofMathematicsandInformatics,SouthChinaAgriculturalUniversity,Guangzhou510642)

AbstractLow-rankrepresentationcoefficientsregularizedbythetensor-SingularValueDecom-

position(t-SVD)sc