文件名称：具有深度矩阵分解的自加权多视图聚类
文件大小：513KB
文件格式：PDF
更新时间：2024-06-07 14:18:32
Multi-view Clustering, Deep Matrix Factorization,
多视图聚类（Multi-View Clustering，MVC）由于对实词数据的多视图探索的效率而受到了学者和基于此的研究的广泛关注，并取得了重大进展。 但是，具有大量补充信息的多视图数据容易受到各种因素（例如噪声）的影响。 因此，发现深藏在数据中的内在特征是一项艰巨而艰巨的任务。 在本文中，我们提出了一种基于深度矩阵分解的新型MVC算法，即具有深度矩阵分解的自加权多视图聚类（SMDMF）。 通过执行深度分解结构，SMDMF可以消除干扰并揭示多视图数据的语义信息。 为了在视图之间正确集成补充信息，它为每个视图分配了自动权重，而无需引入超级参数。 我们还分析了算法的收敛性并讨论了层次参数。 在四个数据集上的实验结果表明我们的算法在各个方面都优于其他比较