La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Shared Latent Embedding Learning for Multi-View Subspace Clustering Apprentissage de l'intégration latente partagée pour le clustering de sous-espaces multi-vues

Zhaohu LIU, Peng SONG, Jinshuai MU, Wenming ZHENG

  • Vues en texte intégral

    0

  • Citer

Résumé:

La plupart des approches de clustering de sous-espaces multi-vues existantes capturent uniquement les similitudes entre les différentes vues et ignorent la structure géométrique locale optimale des données d'origine. À cette fin, dans cette lettre, nous proposons une nouvelle méthode appelée apprentissage par intégration latente partagée pour le clustering de sous-espaces multi-vues (SLE-MSC), qui peut capturer efficacement un meilleur espace latent. Pour être plus précis, nous introduisons une contrainte de pseudo-étiquette pour capturer les similitudes intra-vue au sein de chaque vue. Parallèlement, nous utilisons un nouveau graphe optimal Laplacien pour apprendre la représentation latente cohérente, dans laquelle la variété commune est considérée comme la variété optimale pour obtenir une structure géométrique locale plus raisonnable. Des résultats expérimentaux complets indiquent la supériorité et l’efficacité de la méthode proposée.

Publication
IEICE TRANSACTIONS on Information Vol.E107-D No.1 pp.148-152
Date de publication
2024/01/01
Publicisé
2023/10/17
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2023EDL8044
Type de manuscrit
LETTER
Catégories
Intelligence artificielle, exploration de données

Auteurs

Zhaohu LIU
  Yantai University
Peng SONG
  Yantai University
Jinshuai MU
  Yantai University
Wenming ZHENG
  Southeast University

Mots-clés

Table des matières