论文部分内容阅读
为了解决目前基于子空间的多视图聚类模型存在的两个问题,即:只考虑各视图间的互补信息或一致性来进行聚类;通常采取两步方式,提出了一种改进的多样性驱动的多视图子空间聚类算法。综合利用各视图的多样性表示来获得互补信息,同时通过引入概率单纯形约束和秩约束从子空间系数矩阵中自动学习用于聚类的共同亲邻图和一致类簇指标矩阵,以提高聚类性能。在真实数据集上的实验证明了所提方法的有效性和优越性。