基于信息熵加权的多视图子空间聚类算法  

Multi-view subspace clustering algorithm based on information entropy weighting

作　　者：李顺勇[1] 许晓丽 LI Shun-yong;XU Xiao-li(School of Mathematics Sciences,Shanxi University,Taiyuan 030006,China)

机构地区：[1]山西大学数学科学学院,山西太原030006

出　　处：《陕西科技大学学报》2023年第2期207-214,共8页Journal of Shaanxi University of Science & Technology

基　　金：国家自然科学基金项目(61976128,82274360);教育部产学合作协同育人项目(202102090007);高等学校大学数学教学研究与发展中心教改项目(CMC20210315);山西省高等学校教学改革创新项目(J2021059);山西省研究生教育教学改革课题(2022YJJG010);山西省高等学校精品共享课程项目(K2020022)。

摘　　要：多视图数据集普遍分布在低维子空间上.为了解决多视图子空间聚类时各视图信息量不同的问题,提出了一种新的基于信息熵加权的多视图子空间聚类算法(IEMLRR).首先在低秩表示的约束下获得每个视图的子空间表示,在获取公共子空间表示时,使用信息熵加权来保证不同视图所携带的信息差异,最后用谱聚类算法进行聚类.采用增广拉格朗日乘子法对IEMLRR算法进行优化,并在五个数据集上验证了算法的有效性.Multi-view datasets are generally distributed across low-dimensional subspace.In order to solve the problem that the amount of information of each view is different when multi-view subspace is clustered,a new multi-view subspace clustering algorithm based on information entropy weighting(IEMLRR)is proposed.First,the subspace representation of each view is obtained under the constraints of the low-rank representation,and when the public subspace representation is obtained,the information entropy weight is used to ensure the information difference carried by different views,and finally the spectral clustering algorithm is used for clustering.The IEMLRR algorithm was optimized by augmented Lagrange multiplier method,and the effectiveness of the algorithm is verified on five datasets.

关 键 词：信息熵加权 多视图学习 低秩表示 子空间聚类 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]