• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于圖形正則化低秩表示張量與親和矩陣的多視圖聚類

    2022-07-07 01:58:10程學軍王建平
    吉林大學學報(理學版) 2022年3期
    關(guān)鍵詞:特征方法

    程學軍, 王建平

    (1. 河南工業(yè)大學 漯河工學院, 河南 漯河 462000; 2. 河南科技學院 信息工程學院, 河南 新鄉(xiāng) 453003)

    子空間聚類由于其高效性在模式識別和機器學習領(lǐng)域得到廣泛關(guān)注[1]. 由于每個視圖通常都描述原始對象或數(shù)據(jù)的部分知識, 因此多視圖聚類方法比單視圖聚類方法更能挖掘數(shù)據(jù)的潛在信息, 從而聚類效果更好[2]. 多視圖聚類算法(multiple view clustering, MVC)目前已有許多研究成果, 如多視圖k-means聚類、 共正則化MVC、 基于規(guī)范化相關(guān)分析的聚類以及基于低秩表示MVC[3-6]等. 上述方法首先都使用不同的子空間學習方法學習表示矩陣或張量; 然后通過對所有表示矩陣求平均構(gòu)造屬性矩陣, 其中親和矩陣旨在測量兩個數(shù)據(jù)點之間的相似性; 最后使用具有親和矩陣的譜聚類算法獲得聚類結(jié)果. 聚類的核心是構(gòu)造一個信息親和矩陣, 但該矩陣的構(gòu)造依賴于先驗知識. 因此, 很多研究都集中在如何直接學習一個設(shè)計良好的表示矩陣或張量構(gòu)造親和力矩陣. 如夏菁等[7]提出了學習低秩稀疏表示矩陣; 李杏峰等[8]使用完整的空間學習技術(shù)學習信息完整性感知表示矩陣; 于茜茜[9]提出了一種結(jié)構(gòu)化的多視點子空間聚類方法學習表示矩陣. 盡管上述基于低秩矩陣或張量表示的MVC方法已取得了較好的性能, 但其仍存在以下局限性: 1) 這些方法常忽略局部結(jié)構(gòu), 即僅考慮表示矩陣或張量的全局低秩性, 在學習過程中忽略了樣本的局部性和相似性信息; 2) 分別學習低秩表示和親和矩陣, 忽略了兩者之間的高度依賴性.

    為解決上述問題, 本文提出一種基于圖形正則化低秩表示張量與親和矩陣的多視圖聚類算法(multi view clustering algorithm based on graph regularized low rank representation tensor and affinity matrix, GRLRTAM-MVC), 該算法不僅可以同時學習低秩表示張量和親和矩陣, 而且可以將局部結(jié)構(gòu)統(tǒng)一集成, 有效增強信息挖掘的深度, 提升聚類性能. 在7個數(shù)據(jù)集上的實驗結(jié)果證明了該方法的有效性.

    1 預備知識

    參考文獻[8], 設(shè)χ,X,x分別表示張量、 矩陣和向量.在N1×N2×N3中,χ和y的內(nèi)積定義為〈χ,y〉=vec(χ)Tvec(y)T,χ的Frobenius范數(shù)定義為表示將矩陣X的所有列堆疊為一個向量.χ的L1范數(shù)表示為‖χ‖1=‖vec(χ)‖1,χ的無窮范數(shù)表示為張量χ的第k個切片表示為χ(k).沿χ的方向進行快速Fouier變換(FFT), 表示為同理, 可通過逆FFT由得到χ, 即對于張量χ∈N1×N2×N3, 其分塊循環(huán)矩陣bcirc(χ)和塊對角矩陣bdiag(χ)定義為

    (1)

    (2)

    塊矢量化定義為bvec(χ)=(χ(1),…,χ(N3)), bvec和bdiag的逆運算分別定義為bvfold(bvec(χ))=χ, bdfold(bdiag(χ))=χ.令y∈N2×N4×N3,t-productχ×y是N1×N4×N3張量,χ×y=bvfold(bcirc(χ)×bvec(y)).χ的轉(zhuǎn)置為χT∈N2×N1×N3, 是通過將每個切片進行轉(zhuǎn)置, 然后將轉(zhuǎn)置后的切片通過N3將順序顛倒.單位張量L∈N1×N1×N3是一個第一個切片為N1×N1的單位矩陣張量, 其余切片為零.如果滿足條件χTχ=χχT=L, 則張量χ∈N1×N1×N3是正交的.

    定義1(t-SVD) 對于χ∈N1×N2×N3, 其t-SVD為χ=u×s×vT, 其中u∈N1×N1×N3,v∈N2×N2×N3, 二者是正交向量,s∈N1×N2×N3是f的對角張量, 其每個切片都是對角矩陣.三階張量的t-SVD如圖1所示.t-SVD可通過Fourier域中的矩陣SVD進行計算.

    圖1 三階張量的t-SVDFig.1 t-SVD of third-order tensor

    定義2(張量多秩) 張量χ∈N1×N2×N3的張量多秩是向量r∈N3×1, 其第i個元素是的第i個切片的秩.

    定義3(t-SVD-TNN) 張量χ∈N1×N2×N3的t-SVD-TNN表示為‖χ‖?, 定義為所有切片的奇異值之和, 即

    (3)

    2 算法設(shè)計

    2.1 聚類算法

    根據(jù)自表示特性, 其他點的線性組合可用第v個視圖中的每個數(shù)據(jù)點表示, 即

    X(v)=X(v)Z(v)+E(v),

    其中E(v)表示噪聲.顯然, 由X(v)得到表示矩陣Z(v)和噪聲E(v), 適用性較差.因此引入低秩張量, 近似研究多視圖之間的高階關(guān)聯(lián)性.

    (4)

    (5)

    其中‖·‖2,1是l2,1范數(shù), 用于去除特定樣本的損失;E=(E(1),E(2),…,E(V)); 利用Φ(·)將所有表示矩陣Z(V)合并, 構(gòu)造一個3階表示張量Z(V)∈n×n×V; 正則化ψ(Z)描述了Z的低秩性質(zhì);S為最終要學習的相似矩陣;λ1,λ2,λ3和γ為非負參數(shù);ω=(ω1,ω2,…,ωV)為權(quán)重向量,ωv是第v個視圖的相對權(quán)重.由式(5)可知, 可以在同一個框架內(nèi)同時訓練學習低秩表示張量Z和相似矩陣S, 從而得到一個相似矩陣作為譜聚類算法的輸入, 進而得到聚類結(jié)果.式(5)中的第一項描述了表示張量Z的低秩性; 第二項可以模擬特定樣本的損失; 使用流形正則化, 即式(5)中的第三項, 可保持多視圖數(shù)據(jù)的局部結(jié)構(gòu), 使在原始空間中距離近的數(shù)據(jù)點仍具有相似的表示; 式(5)中的最后一項對不同的視圖施加不同的權(quán)重, 以獲得信息豐富的相似矩陣.為克服權(quán)重分配的困難, 式(5)可通過約束二次規(guī)劃方法, 對不同特征進行自適應權(quán)重分配.

    文獻[10]研究表明,t-SVD-TNN在計算機視覺中的性能優(yōu)于其他張量分解形式, 包括CANDECOMP/PARAFAC分解和Tucker分解. 受此啟發(fā), 本文利用t-SVD-TNN對Z的低秩張量性質(zhì)進行編碼.

    2.2 GRLRTAM的優(yōu)化

    利用式(3)中t-SVD-TNN的定義, 即ψ(Z)=‖Z‖?, 式(5)中的模型可表示為

    (6)

    由于在Z上同時施加了全局低秩性和局部結(jié)構(gòu)優(yōu)先性, 所以式(6)與Z相耦合, 為使Z可分解, 引入變量分裂技術(shù), 并引入一個輔助張量變量y, 則式(6)可轉(zhuǎn)化為以下優(yōu)化問題:

    (7)

    式(7)對應的增廣Lagrange函數(shù)為

    其中Θ(v)∈dv×π和Π∈π×π×V分別是關(guān)于兩個等式約束的Lagrange乘子;ρ>0是懲罰參數(shù).式(8)可分為下列6個子問題.

    1) 更新y.給定上述迭代中的其他變量, 可通過解決以下問題更新y:

    式(9)可分為V個獨立的極小化問題, 第v個極小化問題為

    (10)

    式中

    將式(10)對Y(v)求導, 并令導數(shù)為零, 可得Sylvester方程

    MY(v)+Y(v)N=C,

    其中

    2) 更新Z.修正其他變量,Z可更新為

    (11)

    式(11)的閉合形式解為

    Zt+1=Cv/ρ(Ft)=uCv/ρ(S)VT,

    (12)

    算法1基于t-SVD更新Z.

    輸入: 張量Ft∈n×V×v; 參數(shù)

    Ft=fft(χ,[ ],3);

    fork=1到k=ndo

    Σ(k)=S(k)J(k);

    end for

    輸出: 張量Zt+1.

    3) 更新E.最小化式(8)中E的增廣Lagrange函數(shù), 可得

    (13)

    其中

    Et+1的第j列可表示為

    (14)

    4) 更新S.為得到St+1的最優(yōu)解, 將式(8)中關(guān)于S的增廣Lagrange函數(shù)最小化為

    (15)

    關(guān)于式(15)對S的導數(shù), 其閉式解St+1為

    (16)

    5) 更新ω.將ω的優(yōu)化問題轉(zhuǎn)化為

    (17)

    (18)

    6) 更新Θ(v),Π,ρ.Lagrange乘子Θ(v),Π和懲罰參數(shù)ρ可更新表示為

    (19)

    其中β>1是為加快收斂速度,ρmax是懲罰參數(shù)ρ的最大值.下列算法給出了求解式(7)的過程, 其中停止循環(huán)條件定義為

    (20)

    算法2GRLRTAM多視圖子空間聚類算法.

    輸入: 多視圖特征X(v); 參數(shù)λ1,λ2,λ3,γ=10; 最近鄰域個數(shù)為5; 圖像Laplace矩陣L(v); 簇的個數(shù)為K;

    While不收斂do

    forv=1到Vdo

    end for

    根據(jù)算法1更新Zt+1;

    根據(jù)式(14)更新Et+1;

    根據(jù)式(16)更新St+1;

    根據(jù)式(18)更新ωt+1;

    檢查式(20)的收斂條件;

    end while.

    輸出: 相似矩陣St+1.

    2.3 計算復雜度

    算法2的計算量主要通過更新y,Z,E決定, 求解Sylvester方程的計算量為O(n3), 更新Z的計算量為O(2Vn2log(n)), 通過更新Z計算三維Fourier變換和逆Fourier變換, 并用計算量為O(V2n2)對V個n×V矩陣執(zhí)行SVD, 其他更新的計算量為O(Vn2).其余計算步驟的計算成本可忽略不計, 因為其只包含基本運算, 如矩陣加法、 減法和乘法.因此, 算法2的計算復雜度為

    O(T(Vn3+2Vn2log(n)+V2n2)),

    其中T是迭代次數(shù).

    3 實 驗

    下面實驗評估GRLRTMA在7個具有代表性的多視圖數(shù)據(jù)集上的性能.

    3.1 數(shù)據(jù)集

    BBC4view數(shù)據(jù)集和BBCSport數(shù)據(jù)集: BBC4view和BBCSport數(shù)據(jù)集主要包括新聞報道數(shù)據(jù), 其包含了來自英國廣播公司(BBC)體育網(wǎng)站的685份和544份關(guān)于體育新聞的5個主題文件, 對于每個文件, 提取BBC4view中4種不同類型的特征, 提取BBCSport中2種不同類型的特征.

    3個新聞數(shù)據(jù)集: 該數(shù)據(jù)集的內(nèi)容是新聞故事, 來自3個在線新聞, 其包含6類416個不同的新聞故事, 這3個數(shù)據(jù)集共包含了169篇新聞, 每個數(shù)據(jù)集都有各自的觀點.

    MSRC-V1數(shù)據(jù)集: 包含樹、 建筑、 飛機、 奶牛、 人臉、 汽車、 自行車等7類210張圖像, 本文提取了5個視圖特征, 包括24維顏色矩、 576維定向梯度直方圖(HOG)、 512維 GIST、 254維中心特征和256維局部二值模式(LBP). Scene-15數(shù)據(jù)集: 包含15類4 485張室外和室內(nèi)場景圖像, 本文提取了1 800維光照、 1 180維PRI-CoLBP和1 240維中心點3種圖像特征表示Scene-15. MITIndoor-67數(shù)據(jù)集: 包含1.5萬張室內(nèi)圖片, 涵蓋67個不同類別, 本文選取一個包含5 360張圖像的子集進行訓練聚類. COIL-20數(shù)據(jù)集: 有20個類別和1 440張像素大小為32×32的通用對象圖像, 此外還提取了1 024維強度、 3 304維LBP和6 750維Gabor三種視圖特征. 表1列出了這些數(shù)據(jù)集的統(tǒng)計特征.

    表1 7個代表性多視圖數(shù)據(jù)集的統(tǒng)計特征

    3.2 不同方法的對比分析

    將GRLRTMA與目前最新的方法進行比較, 包括SSCbest[3]: 通過L1范數(shù)正則化表示矩陣構(gòu)造的單視圖聚類; LRRbest[4]: 通過核范數(shù)正則化表示矩陣構(gòu)造的單視圖聚類; RSSbest[5]: 通過同時學習數(shù)據(jù)表示和相似性矩陣實現(xiàn)單視圖聚類; MLAP[8]: 通過連接不同視圖的子空間表示并施加低秩約束探索具有互補性的MVC; DiMSC[9]: 具有Hilbert-Schmidt獨立性的MVC; LT-MSC[11]: 具有低秩張量約束的MVC; MVCC[12]: 基于局部流形正則化分散式概念的MVC; ECMSC[13]: 具有一致排外性的正則化MVC; MLAN[14]: 具有自適應鄰域的MVC;t-SVD MSC[15]: 張量多秩極小化的MVC; MLRSSC[16]: 基于低秩稀疏子空間聚類的MVC; MSC_IAS[17]: 具有完整感知相似性的MVC. 其中前3種方法屬于單視圖聚類方法, 其他方法屬于多視圖聚類方法. 上述方法均按其實驗參數(shù)值進行設(shè)置, 以便進行公平的比較. 此外, 在MITIndoor-67數(shù)據(jù)集上加入了深度特征, 并將GRLRTMA與GSNMF-CNN[18]進行比較. 對于SSCbest,LRRbest和RSSbest, 每個特征獨立使用, 并展示最佳聚類結(jié)果. 為進行全面比較, 使用由所有特征聯(lián)合在一起的聯(lián)合視圖進行了SSC,LRR和RSS, 其分別表示為SSCCon,LRRCon和RSSCon. 由于MLAN中存在一個隨機參數(shù), 將MLAN執(zhí)行10次, 并展現(xiàn)其最佳的聚類結(jié)果. 對于DiMSC,LT-MSC,t-SVD-MSC,MLRSSC和MSC-IAS, 它們都首先學習表示矩陣或張量, 然后構(gòu)造相似性矩陣. 文獻[17]使用Tucker分解對低秩性進行編碼, 用GLTA_Tucker表示. 對于除MLAN外的所有方法, 均使用譜聚類算法計算聚類結(jié)果.

    根據(jù)文獻[15], 本文利用6種常用的聚類指標, 即準確度(ACC)、 歸一化互信息(NMI)、 調(diào)整后的秩指數(shù)(AR)、F-score、 精確度和召回率評估聚類性能. 通常這6個指標值越高, 聚類效果越好. 由于所有方法的譜聚類都是基于k均值的, 不同的初始化設(shè)置可能會產(chǎn)生不同結(jié)果, 因此本文對每個實驗均進行10次試驗, 并計算其平均性能和標準差.

    3.3 聚類效果比較

    表2~表8分別列出了7個數(shù)據(jù)集的所有聚類結(jié)果. 由表2~表8可見, 多數(shù)情況下, GRLRTMA的性能優(yōu)于其他方法, 尤其是在BBC4view,Scene-15,MITIndoor-67和COIL-20數(shù)據(jù)集上.t-SVD-NN的GRLRTMA在所有情況下都優(yōu)于GLTA-Tucker, 表明基于奇異值分解的張量核范數(shù)可能比Tucker分解更適合于表示張量的低秩性. 在Scene-15數(shù)據(jù)集上, 相對于次優(yōu)方法t-SVD-MSC, 對于6個指標, 本文GRLRTMA的精度分別提高16.7%,11.6%,19.6%,18.1%,22.7%和12.9%, 而在MITIndoor-67數(shù)據(jù)集上, GRLRTMA的精度分別提高23.8%,22.3%,36.1%,35.6%,34.9%和36.3%. 這主要是因為DiMSC,LT-MSC,t-SVD-MSC-MLRSSC和MSC_IAS分兩步構(gòu)造表示矩陣或張量相似性矩陣, 并未考慮不同特征的不同貢獻度. 但GRLRTMA同時學習表示張量和相似性矩陣, 很好地利用了它們之間的高度依賴性, 且其良好性能還得益于局部幾何結(jié)構(gòu)的保留.

    表2 數(shù)據(jù)集BBC4view的聚類結(jié)果(平均值±標準差)

    表3 基于BBCSport數(shù)據(jù)集的聚類結(jié)果(平均值±標準差)

    表4 基于3Sources數(shù)據(jù)集的聚類結(jié)果(平均值±標準差)

    表5 基于MSRC-V1數(shù)據(jù)集的聚類結(jié)果(平均值±標準差)

    表6 基于COIL-20數(shù)據(jù)集的聚類結(jié)果(平均值±標準差)

    續(xù)表6

    表7 基于Scene-15數(shù)據(jù)集的聚類結(jié)果(平均值±標準差)

    表8 基于MITIndoor-67數(shù)據(jù)集的聚類結(jié)果(平均值±標準差)

    通常多視圖聚類方法比單視圖聚類方法SSCbest,LRRbest和RSSbest具有更好的聚類性能. 這主要是因為單視圖聚類方法關(guān)注特定的視圖特征, 而多視圖聚類方法能很好地捕捉到多視圖之間的高階交叉信息; LT-MSC在前兩個數(shù)據(jù)集上的結(jié)果不理想, 可能是因為基于展開的張量核范數(shù)是Tucker階數(shù)的稀疏替代. 此外,t-SVD-MSC的性能比LT-MSC更好, 主要是因為t-SVD-TNN比基于展開的張量核范數(shù)能更好地揭示表示張量的整體結(jié)構(gòu); MLAN在BBCSport和Scene-15數(shù)據(jù)集上的性能比3種單視圖聚類方法差, 主要是因為可能由MLAN得到的相似性矩陣是直接從含有噪聲和離群值的原始數(shù)據(jù)中學習得到的; 基于低秩矩陣的多視圖子空間聚類方法MLRSSC和MSC_IAS性能不穩(wěn)定, 例如, 在BBC4view,BBCSport和COIL-20數(shù)據(jù)集上, 其性能優(yōu)于其他方法, 但在MITIndoor-67數(shù)據(jù)集上的性能卻比SSC和LRR差. 實驗結(jié)果表明, 同步學習表示張量和相似性矩陣有助于提高聚類性能.

    3.4 性能分析

    3.4.1 參數(shù)選擇

    本文將所有實驗的最近鄰域個數(shù)設(shè)為5,γ=10. 將GRLRTMA中的3個自由參數(shù)λ1,λ2,λ3進行微調(diào), 即分別從集合{0.001,0.005,0.01,0.05,0.1,0.2,0.4,0.5}, {0.001,0.005,0.01,0.05,0.1,0.2,0.4,0.5,1,2,5,10,50,100,500}, {0.01,0.1,0.5,1,3,5,7,10,50 100}中取值.本文僅給出BBCSport和MSRC-V1數(shù)據(jù)集中不同組合λ1,λ2,λ3的GRLRTMA的ACC值. 由于誤差項對目標函數(shù)的影響可能較小, 因此首先將λ1固定為相對較小的常數(shù), 然后將λ2和λ3設(shè)為不同值, 結(jié)果如圖2所示. 由圖2可見, GRLRTMA和參數(shù)λ2,λ3的關(guān)聯(lián)度較小.最后, 確定λ2和λ3參數(shù)值, 并考察λ1對模型性能的影響.當λ1較小時, GRLRTMA得到的結(jié)果較好. 因此, 與GRLRTMA的相關(guān)參數(shù)λ1,λ2,λ3可分別從區(qū)間[0.005,0.2],[0.05,0.2],[0.01,1]中取值.

    圖2 不同參數(shù)值的ACC值Fig.2 ACC values of different parameter values

    3.4.2 收斂性分析

    推導GRLRTMA的收斂性有一定困難. 因此本文分析了如圖2(A)所示的2個數(shù)據(jù)集的經(jīng)驗收斂性, 其中縱軸表示

    的誤差. 經(jīng)過15次迭代后, 產(chǎn)生一個穩(wěn)定的誤差值, 表明GRLRTMA可以在有限次數(shù)迭代后收斂. 如圖2(B)所示, 給出了每次迭代的ACC和NMI值, 因為這兩個指標在一定程度上反映了聚類性能. 由圖2(B)可見, 當?shù)螖?shù)增加時, ACC和NMI值也增加, 直到逼近最優(yōu)值. 從而證明了GRLRTMA在以上真實數(shù)據(jù)上的收斂性.

    3.4.3 特征權(quán)重

    表9列出了SSC和LRR對每個視圖特征的聚類結(jié)果. 由表9可見, 對于同一個數(shù)據(jù)集, 不同特征可能會產(chǎn)生不同的聚類結(jié)果. 如SSC在BBC4view上的ACC和NMI值分別為0.414~0.660和0.236~0.494. 對于3Sources數(shù)據(jù)集, SSC在3種視圖的ACC和NMI的差異分別為0.101和0.126. 此外, 在3Sources和MSRC-V1數(shù)據(jù)集上, SSCCon和LRRCon的性能比SSC和LRR差. 因此, 不同特征對聚類結(jié)果有不同的影響度. 在多視圖聚類過程中, 充分考慮不同特征對聚類結(jié)果的不同影響程度至關(guān)重要.

    表9 不同視圖特征的對比

    3.5 分塊研究

    由上述實驗結(jié)果可見, 僅考慮低階張量表示(如LT-MSC和t-SVD-MSC)或局部結(jié)構(gòu)(如MLAN)都不能獲得滿意的性能結(jié)果. 現(xiàn)有的方法, 包括DiMSC,LT-MSC和t-SVD-MSC, 都是學習表示張量, 然后構(gòu)造相似性矩陣, 未考慮不同特征的不同貢獻度和特征之間的依賴性. 為解決這些問題, 本文提出的GRLRTMA分兩個階段改進現(xiàn)有的方法: 1) 同時學習表示張量和相似性矩陣; 2) 將局部幾何結(jié)構(gòu)整合到一個統(tǒng)一的框架中. 為分別統(tǒng)計上述兩個因素的貢獻程度, 進行了兩種測試. 測試1令λ2,λ3=0, 并調(diào)整其他參數(shù), 而測試2僅令λ3=0.

    測試1表示為GRLRTMA-p1, 令λ2,λ3=0, 驗證λ1的貢獻.在GRLRTMA-p1中, 當局部結(jié)構(gòu)丟失時, 同時學習Z和S.測試2表示為GRLRTMA-p2, 令λ1,λ3=0, 驗證λ2的貢獻. 這兩個測試均使用BBC4view,BBCSport,3Sources,MSRC-V1,Scene15和COIL-20數(shù)據(jù)集. 表10列出了GRLRTMA,GRLRTMA-p1和GRLRTMA-p2的聚類結(jié)果. 由表10可見, GRLRTMA-p1和GRLRTMA在所有情況下表現(xiàn)都較出色. 對于ACC的平均值, GRLRTMA比GRLRTMA-p1和GRLRTMA-p2分別提高了21.85%,6.25%, NMI提高了23.57%,7.27%. 實驗結(jié)果證明了GRLRTMA的優(yōu)越性, 并說明同步構(gòu)造表示張量和相似性矩陣并維持局部幾何結(jié)構(gòu)可明顯提高聚類性能. 不同多視圖聚類方法的平均運行時間列于表11.

    表10 不同方法的ACC,NMI比較

    表11 所有數(shù)據(jù)集上的平均運行時間

    所有實驗均采用MATLAB2016a編譯器, 硬件配置為3.50 GHz的CPU和16 GB的RAM. 在所有方法中, MLAN和MSC_IAS的運行時間最短, 尤其是在處理大規(guī)模數(shù)據(jù)集時. MLAP和DiMSC的運行時間與GRLRTMA相當. 基于低秩張量的多視圖聚類方法(LT-MSC,t-SVD-MSC,GRLRTMA)的計算量較大, 但其性能優(yōu)于其他同類方法. 其根本原因是LT-MSC,t-SVD-MSC和GRLRTMA通過低秩張量在全局視圖中盡力找到表示矩陣的相關(guān)性. 為進一步研究該算法的計算復雜度, 基于BBC4view數(shù)據(jù)集, 進行不同組合(λ1,λ2,λ3)的實驗, 結(jié)果列于表12.由表12可見, 不同參數(shù)(λ1,λ2,λ3)的設(shè)置對GRLRTMA的運行時間影響較小.

    表12 基于數(shù)據(jù)集BBC4view不同參數(shù)組合(λ1,λ2,λ3)的平均運行時間

    綜上所述, 針對現(xiàn)有多視圖聚類方法存在的忽略信息挖掘深度的問題, 本文提出了一種基于圖形正則化低秩表示張量與親和矩陣的多視圖聚類方法. 通過7個數(shù)據(jù)集上的實驗可得如下結(jié)論:

    1) GRLRTMA相對于其他多視圖聚類算法具有更好的聚類精度, 并且在多個數(shù)據(jù)集上均能保持良好的聚類效果, 證明該方法具有良好的穩(wěn)定性和泛化能力;

    2) 同步構(gòu)造表示張量和相似性矩陣, 并維持局部幾何結(jié)構(gòu)對于提升聚類精度具有顯著作用, 并考慮了不同特征的影響, 自適應分配權(quán)值, 對聚類性能的提升具有重要作用;

    3) 該方法運行時間較長, 但其精度提升效果明顯, 在不要求實時性的領(lǐng)域有一定的應用價值, 并且不同參數(shù)設(shè)置對GRLRTMA的運行時間影響較小.

    猜你喜歡
    特征方法
    抓住特征巧觀察
    新型冠狀病毒及其流行病學特征認識
    如何表達“特征”
    不忠誠的四個特征
    當代陜西(2019年10期)2019-06-03 10:12:04
    學習方法
    抓住特征巧觀察
    可能是方法不對
    用對方法才能瘦
    Coco薇(2016年2期)2016-03-22 02:42:52
    四大方法 教你不再“坐以待病”!
    Coco薇(2015年1期)2015-08-13 02:47:34
    賺錢方法
    高清av免费在线| 免费黄网站久久成人精品| 欧美精品高潮呻吟av久久| 国产欧美亚洲国产| 看非洲黑人一级黄片| 国产激情久久老熟女| 咕卡用的链子| 亚洲国产成人一精品久久久| 亚洲精品美女久久久久99蜜臀 | 成人漫画全彩无遮挡| 国产精品熟女久久久久浪| 九九爱精品视频在线观看| 成年美女黄网站色视频大全免费| 精品久久久久久电影网| 成人无遮挡网站| 999精品在线视频| 人妻 亚洲 视频| 亚洲欧美精品自产自拍| 777米奇影视久久| 精品少妇内射三级| 成人二区视频| 十八禁网站网址无遮挡| 国产一区二区三区av在线| www.熟女人妻精品国产 | 精品福利永久在线观看| 国产精品三级大全| 狂野欧美激情性bbbbbb| h视频一区二区三区| 成年美女黄网站色视频大全免费| av免费在线看不卡| 日本欧美国产在线视频| 成年动漫av网址| 天堂中文最新版在线下载| 极品人妻少妇av视频| 精品少妇久久久久久888优播| 久久久精品区二区三区| 国产在线视频一区二区| 五月伊人婷婷丁香| 在线观看美女被高潮喷水网站| 国产黄色视频一区二区在线观看| 亚洲精品国产av蜜桃| 飞空精品影院首页| 国产成人精品无人区| 久久精品人人爽人人爽视色| 国产精品 国内视频| 纵有疾风起免费观看全集完整版| 人成视频在线观看免费观看| 最新的欧美精品一区二区| 色婷婷av一区二区三区视频| 国产高清国产精品国产三级| 黄色怎么调成土黄色| 王馨瑶露胸无遮挡在线观看| 国产黄色视频一区二区在线观看| 中文字幕制服av| 久久这里有精品视频免费| 老司机影院毛片| 久久99精品国语久久久| av免费在线看不卡| 亚洲av电影在线观看一区二区三区| 国产1区2区3区精品| 国产精品99久久99久久久不卡 | 蜜臀久久99精品久久宅男| 在线精品无人区一区二区三| 亚洲精品成人av观看孕妇| 激情视频va一区二区三区| 内地一区二区视频在线| 高清在线视频一区二区三区| 午夜视频国产福利| 九九在线视频观看精品| 制服诱惑二区| 九色成人免费人妻av| 国产日韩一区二区三区精品不卡| 久久ye,这里只有精品| 九色成人免费人妻av| 一区二区三区四区激情视频| 99久久精品国产国产毛片| 妹子高潮喷水视频| 精品人妻一区二区三区麻豆| 亚洲中文av在线| 亚洲一区二区三区欧美精品| 26uuu在线亚洲综合色| 国产黄频视频在线观看| 中文精品一卡2卡3卡4更新| 欧美少妇被猛烈插入视频| 色哟哟·www| av卡一久久| 最近中文字幕高清免费大全6| 精品久久蜜臀av无| 成人国产麻豆网| 免费久久久久久久精品成人欧美视频 | 亚洲综合精品二区| 欧美日韩av久久| 飞空精品影院首页| 精品人妻一区二区三区麻豆| 日韩成人伦理影院| 香蕉丝袜av| 午夜av观看不卡| 亚洲av男天堂| 中文精品一卡2卡3卡4更新| 久久影院123| 91精品国产国语对白视频| 亚洲欧美中文字幕日韩二区| 97精品久久久久久久久久精品| 少妇 在线观看| 久久人人爽人人片av| 飞空精品影院首页| 亚洲国产精品国产精品| 欧美97在线视频| 久久这里有精品视频免费| 午夜影院在线不卡| av在线老鸭窝| kizo精华| 黄色一级大片看看| 色网站视频免费| 全区人妻精品视频| 国产福利在线免费观看视频| 亚洲精品乱码久久久久久按摩| 免费在线观看黄色视频的| 亚洲国产精品专区欧美| 国产男人的电影天堂91| 99香蕉大伊视频| 观看av在线不卡| 国产精品国产三级专区第一集| 中文欧美无线码| 视频区图区小说| 精品一区二区免费观看| 国产激情久久老熟女| 久久久久人妻精品一区果冻| 在线观看美女被高潮喷水网站| av国产精品久久久久影院| 精品国产国语对白av| 少妇 在线观看| 国产乱人偷精品视频| 国产一区有黄有色的免费视频| 97超碰精品成人国产| 免费看不卡的av| 精品国产露脸久久av麻豆| 精品福利永久在线观看| 亚洲精品乱久久久久久| videossex国产| 在线观看www视频免费| 极品少妇高潮喷水抽搐| 免费少妇av软件| 欧美日本中文国产一区发布| 日韩一本色道免费dvd| 久久99精品国语久久久| 草草在线视频免费看| 国产精品欧美亚洲77777| 成人漫画全彩无遮挡| 国产男女内射视频| 国语对白做爰xxxⅹ性视频网站| 曰老女人黄片| 成人二区视频| 午夜福利视频在线观看免费| 赤兔流量卡办理| 久久久久久久久久久免费av| 欧美xxⅹ黑人| 黄片无遮挡物在线观看| 欧美日韩精品成人综合77777| 大码成人一级视频| 久久综合国产亚洲精品| 午夜老司机福利剧场| 最近手机中文字幕大全| 亚洲四区av| 国产免费一区二区三区四区乱码| 中文乱码字字幕精品一区二区三区| 性色avwww在线观看| 欧美国产精品va在线观看不卡| 精品一区在线观看国产| 亚洲精品久久午夜乱码| 毛片一级片免费看久久久久| 国产乱来视频区| 另类精品久久| 亚洲av在线观看美女高潮| 国产日韩欧美在线精品| 日韩一区二区视频免费看| 黄色一级大片看看| 久久久国产精品麻豆| 成人亚洲欧美一区二区av| 伊人亚洲综合成人网| 大香蕉久久成人网| 日日撸夜夜添| 国产亚洲午夜精品一区二区久久| 丰满乱子伦码专区| 久久韩国三级中文字幕| a 毛片基地| 亚洲精品国产av蜜桃| 亚洲第一av免费看| 久久狼人影院| 黑人巨大精品欧美一区二区蜜桃 | 香蕉丝袜av| 母亲3免费完整高清在线观看 | 午夜福利,免费看| 国产精品一区二区在线观看99| 免费观看av网站的网址| 母亲3免费完整高清在线观看 | 中文乱码字字幕精品一区二区三区| 免费黄色在线免费观看| 另类精品久久| 亚洲丝袜综合中文字幕| 欧美激情 高清一区二区三区| 老司机影院毛片| 成人免费观看视频高清| 成人毛片a级毛片在线播放| 香蕉国产在线看| 老司机亚洲免费影院| 国产女主播在线喷水免费视频网站| 精品酒店卫生间| 日本黄大片高清| 成人黄色视频免费在线看| 国产一区二区在线观看日韩| 自拍欧美九色日韩亚洲蝌蚪91| 亚洲av.av天堂| 久久婷婷青草| 国产精品久久久久久精品古装| 黄网站色视频无遮挡免费观看| 午夜精品国产一区二区电影| 日本欧美视频一区| 久久国产精品男人的天堂亚洲 | 边亲边吃奶的免费视频| 亚洲色图 男人天堂 中文字幕 | 亚洲伊人久久精品综合| 国产亚洲欧美精品永久| 最近中文字幕高清免费大全6| 精品久久久精品久久久| 久久久久国产精品人妻一区二区| 咕卡用的链子| 国产精品99久久99久久久不卡 | 欧美亚洲 丝袜 人妻 在线| 少妇人妻久久综合中文| 亚洲av电影在线观看一区二区三区| 午夜福利影视在线免费观看| 91精品国产国语对白视频| 久久久久国产精品人妻一区二区| 在线观看人妻少妇| 色5月婷婷丁香| 午夜福利在线观看免费完整高清在| 汤姆久久久久久久影院中文字幕| 亚洲国产av影院在线观看| 久久久久人妻精品一区果冻| 国产精品一区二区在线不卡| 久久精品国产综合久久久 | 欧美精品高潮呻吟av久久| 久久久久精品人妻al黑| 欧美精品人与动牲交sv欧美| 国产免费一级a男人的天堂| 1024视频免费在线观看| 亚洲av.av天堂| 青青草视频在线视频观看| 日韩 亚洲 欧美在线| 九九爱精品视频在线观看| 中国美白少妇内射xxxbb| 日韩,欧美,国产一区二区三区| 国产av精品麻豆| 男人操女人黄网站| 亚洲美女视频黄频| 91久久精品国产一区二区三区| 少妇猛男粗大的猛烈进出视频| 国产69精品久久久久777片| 巨乳人妻的诱惑在线观看| 免费高清在线观看日韩| 成人综合一区亚洲| 又粗又硬又长又爽又黄的视频| 综合色丁香网| 久久久久国产精品人妻一区二区| 日韩精品免费视频一区二区三区 | 满18在线观看网站| 交换朋友夫妻互换小说| 亚洲一区二区三区欧美精品| 桃花免费在线播放| 在线观看免费高清a一片| 亚洲欧美一区二区三区国产| 成人二区视频| 久热这里只有精品99| 大香蕉久久网| 成人黄色视频免费在线看| av国产精品久久久久影院| 妹子高潮喷水视频| 亚洲精品一二三| 九九在线视频观看精品| 欧美bdsm另类| 中国国产av一级| 国产精品久久久久成人av| 久久久久久人妻| 精品少妇黑人巨大在线播放| 亚洲精品,欧美精品| 在线观看三级黄色| 日本av手机在线免费观看| 欧美成人午夜精品| 狠狠精品人妻久久久久久综合| 精品一品国产午夜福利视频| 亚洲第一区二区三区不卡| 制服丝袜香蕉在线| 国产精品免费大片| 午夜免费鲁丝| 性色avwww在线观看| 亚洲成人一二三区av| 亚洲精品日本国产第一区| 一区二区三区乱码不卡18| 亚洲精品日本国产第一区| 韩国精品一区二区三区 | 成人毛片a级毛片在线播放| 亚洲一级一片aⅴ在线观看| 美女福利国产在线| 99热6这里只有精品| 国产免费又黄又爽又色| 亚洲人成77777在线视频| 亚洲欧美成人精品一区二区| 卡戴珊不雅视频在线播放| 99久久精品国产国产毛片| 内地一区二区视频在线| 国产精品.久久久| 最新的欧美精品一区二区| 国产欧美另类精品又又久久亚洲欧美| 免费不卡的大黄色大毛片视频在线观看| 亚洲婷婷狠狠爱综合网| 亚洲成人一二三区av| 亚洲精华国产精华液的使用体验| 久久久国产欧美日韩av| 久久久久久久久久久免费av| 亚洲一码二码三码区别大吗| 欧美亚洲 丝袜 人妻 在线| 五月开心婷婷网| av片东京热男人的天堂| 黄网站色视频无遮挡免费观看| 国产精品一区www在线观看| 麻豆精品久久久久久蜜桃| 涩涩av久久男人的天堂| av视频免费观看在线观看| 午夜福利在线观看免费完整高清在| 菩萨蛮人人尽说江南好唐韦庄| 久久免费观看电影| 欧美人与善性xxx| 日本-黄色视频高清免费观看| 91国产中文字幕| 高清av免费在线| 9色porny在线观看| 亚洲精品av麻豆狂野| 国内精品宾馆在线| 新久久久久国产一级毛片| 国产在线视频一区二区| 欧美日韩视频精品一区| 有码 亚洲区| 亚洲精品国产av成人精品| 亚洲国产成人一精品久久久| 国产精品国产av在线观看| 熟女电影av网| 成人国产麻豆网| 久久人人爽av亚洲精品天堂| 三级国产精品片| 国产日韩欧美在线精品| 狠狠婷婷综合久久久久久88av| 国产极品粉嫩免费观看在线| 人人妻人人添人人爽欧美一区卜| 亚洲五月色婷婷综合| 高清在线视频一区二区三区| 99re6热这里在线精品视频| 永久免费av网站大全| 亚洲伊人久久精品综合| 99九九在线精品视频| 狠狠精品人妻久久久久久综合| 国产一区二区三区综合在线观看 | 欧美精品国产亚洲| 黄色怎么调成土黄色| 少妇熟女欧美另类| av视频免费观看在线观看| 亚洲精品日韩在线中文字幕| 男女边吃奶边做爰视频| 男人爽女人下面视频在线观看| tube8黄色片| 制服丝袜香蕉在线| 国国产精品蜜臀av免费| 日本欧美国产在线视频| 免费少妇av软件| 国产精品偷伦视频观看了| 两个人看的免费小视频| 狠狠精品人妻久久久久久综合| 免费高清在线观看日韩| 成人国语在线视频| 最近中文字幕高清免费大全6| 晚上一个人看的免费电影| 国产精品.久久久| 精品国产一区二区久久| 亚洲综合精品二区| 久热这里只有精品99| 亚洲精品日韩在线中文字幕| 色视频在线一区二区三区| 内地一区二区视频在线| 国产高清不卡午夜福利| 亚洲综合色惰| 亚洲四区av| 在线观看一区二区三区激情| 制服丝袜香蕉在线| 国产视频首页在线观看| 亚洲av综合色区一区| 亚洲精品美女久久久久99蜜臀 | 国产免费福利视频在线观看| 少妇的逼好多水| 一级黄片播放器| 波野结衣二区三区在线| 大码成人一级视频| 激情视频va一区二区三区| 久久久国产精品麻豆| 桃花免费在线播放| 久久精品夜色国产| 少妇高潮的动态图| 国产精品国产三级国产av玫瑰| 秋霞在线观看毛片| 国产一区二区三区综合在线观看 | 韩国精品一区二区三区 | 99久久综合免费| h视频一区二区三区| 国产精品一国产av| 黄色怎么调成土黄色| 国产xxxxx性猛交| 国产黄色免费在线视频| xxxhd国产人妻xxx| 97人妻天天添夜夜摸| 免费看不卡的av| 色婷婷av一区二区三区视频| 熟女人妻精品中文字幕| 国产毛片在线视频| 亚洲精品日韩在线中文字幕| 亚洲精品国产色婷婷电影| 婷婷成人精品国产| 国产av码专区亚洲av| 国产精品一区二区在线不卡| 男人舔女人的私密视频| 欧美日韩综合久久久久久| 亚洲精品国产色婷婷电影| 老熟女久久久| 超色免费av| 毛片一级片免费看久久久久| 国产精品久久久av美女十八| 蜜臀久久99精品久久宅男| 最近中文字幕高清免费大全6| 久久婷婷青草| 少妇被粗大猛烈的视频| 我要看黄色一级片免费的| 亚洲在久久综合| 亚洲av男天堂| 看非洲黑人一级黄片| 美女大奶头黄色视频| 色婷婷av一区二区三区视频| 亚洲丝袜综合中文字幕| 免费人妻精品一区二区三区视频| 国产高清国产精品国产三级| 99re6热这里在线精品视频| 如日韩欧美国产精品一区二区三区| 日日爽夜夜爽网站| 在线观看免费视频网站a站| 日本午夜av视频| 午夜激情av网站| 午夜精品国产一区二区电影| 成年人免费黄色播放视频| 丰满乱子伦码专区| 久久精品国产鲁丝片午夜精品| 男女边摸边吃奶| 亚洲国产最新在线播放| 亚洲欧美成人精品一区二区| 亚洲av.av天堂| 黄色 视频免费看| 你懂的网址亚洲精品在线观看| 伦理电影免费视频| 亚洲国产精品国产精品| 制服诱惑二区| 曰老女人黄片| 岛国毛片在线播放| 一级毛片电影观看| 内地一区二区视频在线| 天天躁夜夜躁狠狠久久av| 一二三四中文在线观看免费高清| 国产色婷婷99| 一区在线观看完整版| 亚洲av免费高清在线观看| 亚洲国产精品999| 国产精品国产三级国产av玫瑰| 另类精品久久| 亚洲欧美一区二区三区黑人 | 人人妻人人澡人人看| a 毛片基地| 人人妻人人澡人人爽人人夜夜| 亚洲国产精品一区三区| 久久国产精品男人的天堂亚洲 | 亚洲成人一二三区av| 中文天堂在线官网| 好男人视频免费观看在线| 久久精品国产亚洲av涩爱| 最近最新中文字幕免费大全7| 女人被躁到高潮嗷嗷叫费观| 成人毛片60女人毛片免费| 国产av国产精品国产| 日韩一区二区视频免费看| a级毛片在线看网站| 久久国内精品自在自线图片| 国产在线视频一区二区| 国产片内射在线| 天天影视国产精品| 亚洲av成人精品一二三区| 国产精品一区www在线观看| 99视频精品全部免费 在线| 啦啦啦中文免费视频观看日本| 亚洲,欧美,日韩| 青春草亚洲视频在线观看| 成人综合一区亚洲| 国产精品人妻久久久影院| 欧美精品高潮呻吟av久久| 亚洲av.av天堂| 在线观看人妻少妇| 爱豆传媒免费全集在线观看| 国产一区有黄有色的免费视频| 人人妻人人澡人人看| 晚上一个人看的免费电影| 99香蕉大伊视频| 亚洲精品中文字幕在线视频| 久久99精品国语久久久| 一边摸一边做爽爽视频免费| 最新的欧美精品一区二区| 日韩 亚洲 欧美在线| 国产成人精品久久久久久| 国产亚洲欧美精品永久| 韩国精品一区二区三区 | 51国产日韩欧美| 交换朋友夫妻互换小说| 亚洲国产色片| 日韩,欧美,国产一区二区三区| 日韩,欧美,国产一区二区三区| 黄片播放在线免费| 少妇被粗大的猛进出69影院 | 美女内射精品一级片tv| 久久久久国产网址| 亚洲色图综合在线观看| 九草在线视频观看| 在线观看国产h片| 亚洲国产精品999| 综合色丁香网| 免费看光身美女| 在线观看美女被高潮喷水网站| 欧美+日韩+精品| 亚洲 欧美一区二区三区| www.av在线官网国产| 高清不卡的av网站| 看免费成人av毛片| 视频中文字幕在线观看| 欧美日本中文国产一区发布| 高清不卡的av网站| 久久久久久久久久久免费av| 99久久综合免费| 最近中文字幕2019免费版| 99九九在线精品视频| 你懂的网址亚洲精品在线观看| 日本欧美国产在线视频| 亚洲av日韩在线播放| 成年人午夜在线观看视频| 日韩av不卡免费在线播放| 亚洲人与动物交配视频| 久久免费观看电影| 天堂俺去俺来也www色官网| 超色免费av| 飞空精品影院首页| 人人妻人人澡人人看| 乱码一卡2卡4卡精品| 啦啦啦在线观看免费高清www| 国产日韩欧美在线精品| 精品久久国产蜜桃| 欧美激情 高清一区二区三区| 最近中文字幕高清免费大全6| av有码第一页| 一本久久精品| 高清黄色对白视频在线免费看| 日韩 亚洲 欧美在线| 大香蕉久久成人网| 久久久精品区二区三区| 最黄视频免费看| 亚洲图色成人| 国产精品人妻久久久影院| 人妻 亚洲 视频| 国产成人av激情在线播放| 国产一区二区激情短视频 | 少妇被粗大猛烈的视频| 久久精品国产鲁丝片午夜精品| 日韩中文字幕视频在线看片| 秋霞伦理黄片| 国产视频首页在线观看| 亚洲国产日韩一区二区| 久久午夜福利片| 欧美日韩一区二区视频在线观看视频在线| 免费日韩欧美在线观看| 亚洲精品乱码久久久久久按摩| 三级国产精品片| 久久精品国产自在天天线| 天天躁夜夜躁狠狠躁躁| 少妇人妻 视频| av黄色大香蕉| 2018国产大陆天天弄谢| 久久久欧美国产精品| 精品少妇久久久久久888优播| 大香蕉久久网| 亚洲欧美清纯卡通| 91午夜精品亚洲一区二区三区| 国产69精品久久久久777片| 最新中文字幕久久久久| 一个人免费看片子| 亚洲av福利一区| 一级,二级,三级黄色视频| 中文乱码字字幕精品一区二区三区| 大话2 男鬼变身卡| 99热6这里只有精品| 69精品国产乱码久久久| 久久精品国产鲁丝片午夜精品| 亚洲精品乱久久久久久| 久热这里只有精品99| 久久99热这里只频精品6学生| 成人亚洲精品一区在线观看| av不卡在线播放|