基于最小二乘回归与低秩矩阵表示的多视图聚类算法研究

摘要

为提高处理多视图数据的聚类精度,提出了一种基于最小二乘回归与低秩矩阵表示的多视图聚类算法.该算法利用特征拼接生成联合表示,利用最小二乘回归实现降噪和特征优化,利用低秩矩阵表示捕获全局数据结构.研究结果显示,该算法在人脸识别数据集、手写数字数据集和文本数据集上的平均聚类精度分别为90.28%、92.67%和90.34%,且显著优于简单线性回归模型、低秩表示多视图聚类算法、谱聚类算法和基于深度学习的多视图聚类算法的平均聚类精度.这表明该算法在多视图数据的聚类精度、鲁棒性及通用性方面具有良好的性能优势,可为处理多源异构数据的多视图聚类问题提供有效的解决方案.

关键词

多视图聚类 / 最小二乘回归 / 低秩矩阵 / 增广拉格朗日乘子法