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(guān)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(jié)構(gòu)，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(xué)習方法，然而，大多數(shù)多視角學(xué)習方法主要聚焦于監(jiān)督或者半監(jiān)督學(xué)習，依賴于標注數(shù)據(jù)指導(dǎo)學(xué)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(dǎo)，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(nèi)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(gòu)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(dǎo)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(guān)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(guān)聯(lián)而忽略了多視角之間的高階關(guān)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(yīng)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