关键词multi-view subspace clustering
搜索结果 - 8
- 大规模数据的高效、有效的多视角子空间聚类
在大规模多视角数据集中，我们提出了一种高效有效的多视角子空间聚类深度框架 (E$^2$LMVSC)，通过提取统一的表示来增强聚类性能。
- 多视角 MERA 子空间聚类
介绍了一种低秩多尺度纠缠重整化状态 (MERA) 基于 MSC 的算法 (MERA-MSC)，并将其扩展为可扩展的低秩 MERA 的基础上发展出 MVC (sMERA-MVC) 算法，并在五个数据集上对比实验，优于其他基于 MSC 方法。
- 自适应拓扑张量网络用于多视角子空间聚类
本文提出一种自适应拓扑张量网络（ATTN）来用于多视角子空间聚类，通过分析自表示张量中不同模式的高阶相关性，剪枝虚弱相关关系的链接，从而表现出更好的张量表征能力，并应用贪婪自适应秩增加策略来提高低阶结构的捕获能力。实验结果表明，基于 ATT - 加强型鲁棒多视角核子空间聚类
本研究提出了一种新颖的多视图子空间聚类方法，其中采用了 Enriched Robust Multi-View Kernel Subspace Clustering 框架，结合多视角数据和谱聚类学习一致性亲和矩阵，解决了现有方法采用两阶段框架 - 深度多视角子空间聚类的自监督信息瓶颈
本论文从信息论的角度探讨了深度多视角子空间聚类的问题，提出了一种基于自我监督信息瓶颈的多视角子空间聚类框架，通过学习不同视图之间的共同信息以及视图特定的信息，有效提升了多视角子空间聚类的性能表现，并在真实数据上验证了其优越性。
- AAAI线性时间大规模多视角子空间聚类
提出一种线性复杂度的大规模多视图子空间聚类算法，通过锚图的概念学习每个视图的较小的图形，将它们集成在一起并在较小的图形上实现谱聚类，该方法验证有效性和有效性。
- 多视角低秩稀疏子空间聚类
本研究提出了一种多视角子空间聚类算法，该算法通过构建共享于所有视图的相似度矩阵学习联合子空间表示，采用了重要的低秩和稀疏性约束，通过交替方向乘子法求解相关的优化问题，进一步扩展到非线性子空间，并在一个合成及四个真实数据集上表现出优于现有算法 - 关于利用张量多阶最小化统一多视角自表示聚类
本文提出 t-SVD 基于多视角数据的子空间聚类方法，通过引入张量代数、低秩张量约束和增广 Lagrange 方法来探索多视角数据中的高阶相关性和互补信息。经过广泛实验证明，该方法在多个挑战性图像数据集上表现卓越。