Tensorized Non-Negative Multi-Attribute Subspace Clustering

doi:10.1109/TETCI.2025.3634722

Tensorized Non-Negative Multi-Attribute Subspace Clustering

2025-11-27

0

PRE

AI

Xie Shengli (Shengli Xie)

DOI：10.1109/TETCI.2025.3634722

原文链接

原文求助

摘要

En 中文

子空间聚类通过揭示高维数据中的低维结构，在无监督学习中取得了成功。然而，大多数现有的子空间聚类方法依赖于单一的自表达学习过程，忽略了现实数据中固有的多属性信息。此外，传统的子空间聚类往往无法捕捉数据的空间结构，导致重要属性信息的丢失。为了解决这些问题，我们提出了一种新颖的方法，称为张量化非负多属性子空间聚类（TNMSC），它保留了原始数据的空间结构和多属性信息。具体而言，TNMSC采用多属性学习框架为每个属性构建单独的相似性表示，同时施加非负约束以捕捉更具可解释性和更丰富的特征。为进一步保留空间信息，我们引入了一种基于张量分解的表示方法，该方法直接对数据的高阶（张量）形式进行操作，而不是展平的向量，使我们的方法特别适用于多维图像数据。最后，TNMSC探索不同属性之间的一致拓扑相关性，以学习一个整合所有属性信息的精炼共识相似性表示。在七个真实数据集上的广泛实验表明，TNMSC优于当前最先进的方法。例如，在COIL20数据集上，我们的方法实现了83.71%的聚类准确率，显著超越了次优方法5.86%的幅度。

Keyword:

Subspace clustering

tensor decomposition

non-negativity constraints

multi-attribute learning

topological correlation

Tensorized Non-Negative Multi-Attribute Subspace Clustering

摘要

期刊

机构

引用论文