缺失视图聚类提升显著
在不完全多视图聚类中同时进行概念分解与标签学习，并通过加权张量Schatten p-范数正则化利用低秩结构。
Beihua, Yang · 宋鹏 · Yuanbo, Cheng · 刘兆伟 · 于彦伟
Knowledge-Based Systems 2025
将概念分解与标签学习整合到统一框架中，一步获得聚类标签，避免分步处理带来的信息损失。
采用加权谱旋转自适应融合各视图的指示矩阵，无需额外调参即可无缝获得全部样本的类别。
引入加权张量Schatten p-范数，更好地逼近秩并利用奇异值差异挖掘显著结构信息，提升聚类精度。
在50%高缺失率下仍能取得显著性能提升，说明模型对缺失视图的容错能力强。