基于低秩张量的不完全多视图聚类算法研究.pdf

目录

摘要I

AbstractIII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1完全多视图聚类2

1.2.2不完全多视图聚类2

1.3本文主要工作4

1.4本文组织结构5

第二章相关工作7

2.1张量理论知识7

2.2评价指标9

2.3本章小结10

第三章不完全多视图聚类的广义高阶框架11

3.1模型概述11

3.2模型构建及优化12

3.2.1符号和定义12

3.2.2算法设计13

3.2.3优化设计15

3.3实验与结果分析19

3.3.1基准数据集20

3.3.2对比方法21

3.3.3评估指标22

3.3.4不完全多视图构建22

3.3.5实验结果与分析22

3.3.6消融实验23

3.3.7参数分析26

3.3.8收敛性分析27

3.4本章小结27

第四章基于鲁棒高阶图学习的不完全多视图聚类模型29

4.1模型概述29

4.2模型构建及优化30

4.2.1算法设计30

4.2.2优化设计32

4.2.3计算复杂性分析35

4.3实验与结果分析36

4.3.1基准数据集36

4.3.2对比方法36

4.3.3评估标准37

4.3.4不完全多视图构建37

4.3.5实验结果与分析38

4.3.6参数分析40

4.3.7消融实验41

4.3.8收敛性分析42

4.4本章小结43

第五章基于鲁棒张量子空间学习的不完全多视图聚类模型44

5.1模型概述44

5.2模型构建及优化45

5.2.1符号与定义45

5.2.2算法设计46

5.2.3优化设计48

5.2.4计算复杂性分析51

5.3实验与结果分析52

5.3.1基准数据集52

5.3.2不完全多视图构建53

5.3.3对比方法53

5.3.4评估标准54

5.3.5实验结果与分析54

5.3.6恢复特征质量58

5.3.7消融实验59

5.3.8时间复杂性分析60

5.3.9参数分析60

5.3.10收敛性分析61

5.4本章小结61

第六章总结与展望62

6.1全文总结62

6.2未来展望63

参考文献64

致谢70

硕士在学期间发表的学术论文相关成果71

摘要

网络时代和信息采集技术的快速发展产生了海量的多视图数据集。如何对多视图数

据集进行有效的聚类分析是当前研究的热点。现有的多视图聚类算法通常假设样本在各

个视图下均是完整的。然而，在实际应用中，由于设备限制或其他不可控因素，视图中

的特定样本可能存在缺失。为