技術(shù)特征：

1.一種基于核低秩一致性的多視圖子空間聚類方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的增廣的拉格朗日函數(shù)具體描述為：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于：步驟s2所述的采用交替方向乘子法(admm)來優(yōu)化目標(biāo)函數(shù)值包括以下具體步驟：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于：步驟s3所述的采用對矩陣進(jìn)行角度校正方法包括以下具體步驟：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于：步驟s4所述的采用譜聚類方法對所述的相似性矩陣w進(jìn)行聚類包括以下具體步驟：

技術(shù)總結(jié)
本發(fā)明提供了一種基于核低秩一致性的多視圖子空間聚類方法。該方法利用核函數(shù)將非線性數(shù)據(jù)映射到高維線性特征空間來挖掘數(shù)據(jù)中的非線性特征，同時采用低秩表征理論(Low?rankrepresentation,LRR)獲得低秩表征矩陣來捕捉線性空間數(shù)據(jù)的全局特征。進(jìn)一步通過矩陣三因子分解理論將低秩表征稀疏矩陣分解為三個矩陣來實現(xiàn)不同視圖之間的一致性。為了有效減少噪聲的影響，采用Schatten?p范數(shù)來約束不同視圖下數(shù)據(jù)的共同表征矩陣?；谒⒌膬?yōu)化模型，采用交替方向乘子法(ADMM)來優(yōu)化求解得到每個視圖下的表征矩陣，然后通過對融合的表征矩陣進(jìn)行角度校正得到樣本間相似性矩陣，最后采用譜聚類方法對相似性矩陣進(jìn)行聚類，從而實現(xiàn)對樣本的聚類。大量的仿真實驗結(jié)果表明，該方法可以顯著提高對多視圖數(shù)據(jù)的聚類效果，為多視圖數(shù)據(jù)分析提供新的有效方法。

技術(shù)研發(fā)人員：張偉,余越
受保護(hù)的技術(shù)使用者：華東交通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26