论文笔记:Low-Rank Tensor Constrained Multiview Subspace Clustering
Low-Rank Tensor Constrained Multiview Subspace Clustering
Abstract
论文研究多视图子空间聚类的问题,引入低阶张量约束去探索多视图中复杂的信息。
论文方法:
低阶张量约束的多视图子空间聚类(LT-MSC)。
论文思想:
(1)将不同视图的子空间表示矩阵看作一个张量,它捕获灵活地处理多视图数据的高阶相关性。
(2)然后在张量上设置一个低阶约束,对不同视图间的交叉信息进行优雅建模,有效地减少了学习子空间表示的冗余度,提高了聚类的精度。
(3)将聚类邻近矩阵的推理过程表示为一个张量核范数极小化问题,并用一个附加的L2,1范数正则项和一些线性等式约束。
(4)最小化问题是凸的,因此可以用增广拉格朗日交替方向最小化(AL-ADM)方法有效地求解。
实验测试:
four benchmark image datasets
Introduction
LT-MSC将各个视图的所有子空间表示视为一个高阶结构,即张量,如图Fig1所示:
创新点:
- 使用一个低阶张量将各个视图的所有子空间表示整合在一起,LT-MSC很好地捕获了高阶信息,从而在我们的大量实验中明显优于以前的方法。
- 利用张量来捕捉所有视图的整体结构,探索多个视图内部和之间的相关性,而不是保留图像的空间信息。
- 为最近建立的低秩表示(LRR)提供了一个有效的扩展,低秩表示是单视图数据的子空间聚类方法。
- 本论文将基于自表示的子空间聚类扩展到多视图环境中,使用高阶张量约束来探索不同视图之间的相关性。
学习多视图的方法:
- 基于图的模型的多视图特性
(1)文献[14]中的工作构造了一个二部图来连接两个视图特征,并使用标准谱聚类来获得二视图聚类结果。
(2)文献[35]中利用链接矩阵分解法从多个图中融合信息,其中每一个图用一个图特定因子和一个共同的因子由矩阵分解逼近。
2.在聚类之前先学习一个公共空间
(1)文献[23]、[37]中的方法共同调整了聚类假设,以利用谱聚类框架内的互补信息。
(2)文献[22]提出了一个基于联合训练的框架,在这个框架中,搜索在不同视图中一致的聚类。 - 基于多核学习(MKL)
(1)文献[11]所提出的,与更复杂的分类方法相比,即使只是通过添加不同的核来组合不同的核,也常常会导致接近最优的结果。
(2)视图不是同样地添加核,而是用给定的核矩阵表示,这些核的加权组合与[17]中的分区并行学习。
注意
这些方法中的关联矩阵是独立构造的,而LT-MSC则共同构造关联矩阵,目的是捕获不同视图之间的高阶相关性。
The Proposed Approach
1、LT-MSC目标函数建立
张量的核范数:实质上沿着每一模态展开的所有矩阵的核范数的凸组合。
采用低阶张量约束,构造LT-MSC的目标函数为:
注意:对不同矩阵的数据矩阵进行规范化,使得不同视图的误差达到相同的尺度,从而减小误差大小的变化。
初始化的时候,目标函数(4)通过联合协作多个视图寻求自我表达的最低秩。然后将公式(3)中的核范数带入目标函数(4)中得到优化函数(5):
2、LT-MSC目标函数优化
目标函数的优化采用增广拉格朗日乘子法(AL-ADM),其优化函数为:
拉格朗日乘子函数:
- 对每一个变量进行分别更新得:
(1)Z(v)-子空间:
(2)z-子空间:
(3)E-子空间:
(4)Yv-子空间:
(5)G*m-子空间:
(6)gm-子空间:
(7) α\alphaαm-子空间:
- 算法流程图:
Experiments
该论文提出的算法用于人脸和图像数据的聚类文中选取四个数据集,分别是Yale,Extended YaleB,ORL,和COIL-20。对于所有的数据集,提取三个类型的特征,分别是强度、LBP(表示纹理)、Gabor wavelets(表示小波),也就是所谓的三个视图进行聚类。
References
论文笔记:Low-Rank Tensor Constrained Multiview Subspace Clustering相关推荐
- Low-Rank Tensor Constrained Multiview Subspace Clustering
低秩张量限制的多视图子空间聚类 Abstract 2. Relate work 3.The Proposed Approach 3.1张量知识拓展 3.2 Formulation 3.3 Optimi ...
- 论文阅读笔记:Low-Rank Tensor Graph Learning for Multi-view Subspace Clustering(LRTG)
@[TOC](Low-Rank Tensor Graph Learning for Multi-view Subspace Clustering(LRTG)) ★论文笔记-Low-Rank Tenso ...
- 论文阅读笔记(15):Deep Subspace Clustering with Data Augmentation,深度子空间聚类+数据增强
论文阅读笔记(15):Deep Subspace Clustering with Data Augmentation,深度子空间聚类+数据增强 摘要 1 介绍 2 相关工作 带增强的聚类方法 具有一致 ...
- 文献学习(part89)--Diversity-induced Multi-view Subspace Clustering
学习笔记,仅供参考,有错必纠 文章目录 Diversity-induced Multi-view Subspace Clustering 摘要 Introduction Related Work Th ...
- Large-Scale Multi-View Subspace Clustering in Linear Time
Large-Scale Multi-View Subspace Clustering in Linear Time 摘要 简介 前期工作 1.子空间聚类 2.锚定图 方法 摘要 因为传统的多视图子空间 ...
- 论文笔记:Autoregressive Tensor Factorizationfor Spatio-temporal Predictions
0 摘要 张量因子tensor factorization分解方法在时空数据分析领域很受欢迎,因为它们能够处理多种类型的时空数据,处理缺失值,并提供计算效率高的参数估计程序. 然而,现有的张量因子分解 ...
- #论文笔记#【MRM-Lasso:A sparse Multiview Feature Selection Method Via Low-Rank Analysis】论文笔记
前言 从现在开始记录一下看的每篇论文,也算是给研究生三年一个交代,不然三年过去了啥也没干不太好.虽然以后可能不会从事这个行业,但是把当下的事做好,不管什么行业,自律是很重要的,从去年进实验 ...
- 优化案例(part7)--Latent Multi-view Subspace Clustering
学习笔记,仅供参考,有错必纠 文章目录 目标函数 优化方案 P-子问题 H-子问题 Z-子问题 E-子问题 J-子问题 更新乘数 算法流程 目标函数 最终目标函数为: 其中, ∣ ∣ ⋅ ∣ ∣ ∗ ...
- 论文笔记:Embedding Graph Auto-Encoder with Joint Clustering via Adjacency Sharing
前言 本文用GNN来学习适合于聚类任务的节点表示. 比较特别的是,本文同时考虑了K-Mean聚类和谱聚类来实现更好的聚类.提出了Embedding Graph Auto-Encoder with Jo ...
最新文章
- Python Cookie HTTP获取cookie并处理
- VBScript 之文件 IO 篇
- undefined: grpc.SupportPackageIsVersion6 和 undefined: grpc.ClientConnInterface 解决办法
- 刚发现的2011年最给力的春联
- Linux之父:开源不为金钱名利只为娱乐
- C语言,利用求余运算拆分三位数的个,十,百位数字,并求和
- 给定单链表,检测是否有环等系列考题
- python语言程序设计是干什么的-Python语言程序设计
- 【存储】什么是纠删码(与纠错码的区别)|纠删码与副本对比|LDPC码
- 【人事】性格内向的人面试注意事项
- wing ftp linux 怎么用,Wing FTP Server使用方法(操作步骤)
- 转载-常用邮箱SMTP服务器地址大全
- linux adb 驱动 home,Ubuntu下adb驱动问题
- Mac/Windows下如何使用安卓模拟器开发UniApp
- 使用手机模拟NFC加密门禁卡
- shell命令之nm
- pygame精灵组有哪些方法_pygame 的精灵使用
- Egret 使用Texture Merger制作美术字体
- 运输层----ARQ 协议 ---- 连续 ARQ 协议
- 现今活跃在信息技术领域的卓越作者--张亚飞新作上市
热门文章
- android2.2刷机,中兴 V880 Android 2.2.2 ROM 刷机包 省电 流畅
- uni-app使用setStorageSync存储历史搜索记录,与setStorage区别
- 华为onu 调为交换机_华为MA5626怎么设置成交换机
- 『前端学习笔记』 JavaScript 事件与对象、DOM与BOM
- 饲料混合加工问题——原料间亲缘值计算
- 2021年新高考八省联考湖南成绩查询,八省联考湖南还没公布成绩?新高考模拟志愿填报,你准备好了吗?...
- 南京邮电大学计算机应用基础,南京邮电大学20102011学年第二学期计算机应用基础能力考.doc...
- 洛阳九县八取名字_洛阳市下辖9县综合实力排名,快看看你家乡排名第几?
- 数学实验报告1:t检验、方差分析
- css3-文字外发光效果2-文字描边