作者:Wang, Hao, Linlin Zong, Bing Liu, Yan Yang, and Wei Zhou.
摘要:现有多视图聚类算法通常隐含一个很强的假设,即每个数据点在所有视图下进行采样。在实际的聚类问题中,一些数据点在某些视图下是缺失的。此问题被称为不完备多视图聚类,其主要挑战是缺失数据的填充和视图之间结果的融合。本文探究谱扰动理论,在扰动风险最小边界和不完备多视图聚类之间建立桥梁,提出一种扰动诱导的不完备多视图聚类方法。该方法的新颖点在于(1)将数据特征缺失转换为数据点间相似度缺失,并提出一种有效的相似度填充方法,减小特征缺失带来的风险;(2) 利用图谱理论,指出谱扰动边界最小化等同于不同视图间融合结果最大化,从而给出融合机制的一个可靠准则。
论文链接: