一种基于张量奇异值分解的多视图谱聚类算法

摘要

本发明提供一种基于张量奇异值分解的多视图谱聚类算法，该算法用三阶张量表示所有视图数据的概率转移矩阵。由于张量具有横向、纵向、竖向三个方向的低秩性，本发明采用基于张量奇异值分解(Tensor‑SVD)的多重秩(multi‑rank)来表征该张量在各个维度上的低秩性。因为Tensor‑SVD分解基于tube卷积产生的，不仅能比其他张量分解方式和基于二维结构关系建模的方法更能充分表达在空间结构上的相关性，而且可通过傅里叶变换进行快速计算，提高计算效率。因此，基于Tensor‑SVD张量分解进行建模，会更加科学、快速、高效，并且实验结果表明可有效地提高多视图聚类的效果。