一种应用于多视角聚类的鲁棒性相似图表示的学习方法

摘要

一种应用于多视角聚类的鲁棒性相似图表示的学习方法：给出N个样本，每个样本都有M个视角，表示为M个特征矩阵；将特征矩阵映射得到M个低维空间的具有鲁棒性的特征矩阵；用M个具有鲁棒性的特征矩阵计算M个视角下的M个超图拉普拉斯矩阵；将M个超图拉普拉斯矩阵通过特征分解，映射成格拉斯曼流形上的M个点；构造目标函数；使用迭代下降算法求解构建的目标函数，得到目标函数最优解，即拉普拉斯矩阵。本发明能够避免了传统的谱聚类在聚类多视角场景时，由于不能去除噪音和不同视角间的异构性，而不能获得满意性能的问题。本发明可以应用于多视角数据的聚类。