声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：钱罗雄,陈梅,马学艳,张弛,张锦宏,
关键词：张量表示, 聚类, 低秩约束, 多视角聚类, 奇异值分解,
现有多视角聚类算法存在：1）在学习低维表征的过程中无法准确捕获或忽略嵌入在多视角数据中的高阶信息和互补信息；2）未能准确捕获数据局部信息；3）信息捕获方法缺少对噪声点鲁棒性等问题.为解决上述问题，提出一种自适应张量奇异值收缩的多视角聚类（multi-viewclusteringbasedonadaptivetensorsingularvalueshrinkage，ATSVS）算法.ATSVS首先提出一种符合秩特性的张量对数行列式函数对表示张量施加低秩约束，在张量奇异值分解（tensorsingularvaluedecomposition,t-SVD）过程中能够根据奇异值自身大小进行自适应收缩，更加准确地进行张量秩估计，进而从全局角度精准捕获多视角数据的高阶信息和互补信息.然后采用一种结合稀疏表示和流形正则技术优势的l_1,2范数捕获数据的局部信息，并结合l_2,1范数对噪声施加稀疏约束，提升算法对噪声点的鲁棒性.与11个对比算法在9个数据集上的实验结果显示，ATSVS的聚类性能均优于其他对比算法.因此，ATSVS是一个能够有效处理多视角数据聚类任务的优秀算法.
来源：2025年第3期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。