Structured general and specific multi-view subspace clustering
Structured general and specific multi-view subspace clustering
复制标题
结构化一般和特定多视图子空间聚类
DOI：
10.1016/j.patcog.2019.05.005
复制
发表时间：
2019-09
影响因子：
8
通讯作者：
Zhou Jie
中科院分区：
文献类型：
--
作者：
Zhu Wencheng;Lu Jiwen;Zhou Jie
本文提出了一种结构化的通用和特定的多视点空间聚类方法，用于图像聚类。与现有的多视图子空间聚类方法不同，该方法利用共享的簇结构来保持不同视图之间的一致性，或利用多样性正则化来利用不同视图的互补信息，该方法学习结构化的通用和特定表示矩阵，以结构一致性和多样性规则化来获得不同视图的共同和特定特征。通用表示矩阵保证了不同视图之间的一致性，而特定表示矩阵表示了不同视图之间的差异。因此，我们的方法能够很好地利用多视点数据的共性结构和多样性信息。具体地说，该框架可以应用于现有的许多多视点子空间聚类方法。此外，我们还开发了一种高效的优化方法来求解目标函数，并给出了时间和收敛分析。在四个基准数据集上的实验结果表明了该方法的有效性。
In this paper, we propose a structured general and specific multi-view subspace clustering method for image clustering. Unlike most existing multi-view subspace clustering methods which harness the shared cluster structure to preserve the consistence between different views or utilize the diversity regularization to exploit the complementary information from different views, our method learns the structured general and specific representation matrices to obtain the common and specific characteristics of different views with structure consistence and diversity regularization. The general representation matrix guarantees the consistence between different views and the specific representation matrices indicate the diversity among different views. Hence, our method can well exploit the common structure and diversity information of multi-view data. Specifically, the proposed framework can be applied into many existing multi-view subspace clustering methods. Moreover, we develop an efficient and effective optimization approach to solve the objective function of which the time and convergence analyses are also provided. Experimental results on four benchmark datasets are presented to show the effectiveness of proposed method.
登录
查看更多内容
DOI：
10.1002/047134608x.w5513.pub2
发表时间：
2019-02
期刊：
Wiley Encyclopedia of Electrical and Electronics Engineering
影响因子：
--
作者：
K. Kulkarni;P. Turaga;Anuj Srivastava;Rama Chellappa
通讯作者：
K. Kulkarni;P. Turaga;Anuj Srivastava;Rama Chellappa
影响因子：
3.9
作者：
Lorenzo Vaquero;V. Brea;M. Mucientes
通讯作者：
Lorenzo Vaquero;V. Brea;M. Mucientes
DOI：
10.1049/iet-bmt.2018.5117
发表时间：
2016
期刊：
IET Biom.
影响因子：
--
作者：
Sheng He;Lambert Schomaker
通讯作者：
Sheng He;Lambert Schomaker
DOI：
10.1007/978-3-319-92198-3
发表时间：
2018
期刊：
--
影响因子：
--
作者：
Chao Sui;Bennamoun;R. Togneri
通讯作者：
Chao Sui;Bennamoun;R. Togneri
DOI：
10.4324/9780429028038-14
发表时间：
2019-05
期刊：
Cognitive Evolution
影响因子：
--
作者：
David B. Boles
通讯作者：
David B. Boles