可扩展多视图聚类通过显式核特征映射
原文中文,约300字,阅读约需1分钟。发表于: 。在本文中,我们引入了一个新的多视图子空间聚类的可扩展性框架,并提出了一种有效的优化策略,利用核特征映射来减少计算负担,同时保持良好的聚类性能。该算法的可扩展性意味着它可以应用于包含数百万数据点的大规模数据集,并在几分钟内使用标准机器完成。我们通过对各种规模的真实基准网络进行广泛实验,评估了我们的算法在支持多视图子空间聚类方法和属性网络多视图方法方面的性能。
介绍了一个新的多视图子空间聚类的可扩展性框架,利用核特征映射来减少计算负担,同时保持良好的聚类性能。该算法适用于大规模数据集,并在几分钟内完成。通过实验评估了算法在多视图子空间聚类和属性网络多视图方法方面的性能。