基于自表達的多視角子空間聚類方法研究.pdf

1、多視角聚類要解決的關鍵問題是如何有效融合來自多個不同視角的信息，從而更加準確地發(fā)現(xiàn)數(shù)據(jù)潛在的結構，提高聚類效果。當前盡管存在一些基于多視角數(shù)據(jù)的學習方法，然而，大多數(shù)多視角學習方法主要聚焦于監(jiān)督或者半監(jiān)督學習，依賴于標注數(shù)據(jù)指導學習過程。相對于標注數(shù)據(jù)，現(xiàn)實中的無標注數(shù)據(jù)非常豐富。隨著計算機在計算、存儲能力方面的極大提高，有效利用大規(guī)模、無標注的數(shù)據(jù)越來越重要。然而，由于缺少標注數(shù)據(jù)的指導，無監(jiān)督或者弱監(jiān)督條件下的數(shù)據(jù)分析更具挑戰(zhàn)性。本

2、文聚焦于無監(jiān)督或弱監(jiān)督條件下多視角數(shù)據(jù)上的聚類方法，研究如何有效融合多視角信息及先驗約束提升聚類效果。具體來講，主要包括以下三個方面的研究內容：
　　1）增強互補性的多視角聚類
　　針對當前多視角聚類方法中，在構建各視角相似度矩陣時忽略了視角之間的互補性約束的問題，提出了多樣性誘導的多視角子空間聚類方法。利用希爾伯特-斯密特獨立性標準做為多樣性度量，挖掘多視角子空間表達的互補性。
　　2）高階關聯(lián)的多視角聚類
　

3、　針對當前的多視角聚類方法僅利用成對的視角關聯(lián)而忽略了多視角之間的高階關聯(lián)的問題，提出了低秩張量約束的多視角子空間聚類，通過引入低秩張量約束來挖掘和利用多視角之間的互補性。
　　3）融合約束的多視角聚類
　　針對聚類過程中存在的先驗信息，提出了約束的多視角聚類方法，聚焦于同時有效利用先驗約束和多視角一致性提升聚類效果。并以視頻人臉聚類做為應用范例，提出了約束的多視角視頻人臉聚類框架。
　　所提出的三種方法驗證了挖掘視角