聚类准确率提升11.37%
通过一致性约束和多样性策略，该网络同时学习多视图的一致和多样深层表示，增强子空间聚类性能。
唐科威 · Xu, Kaiqiang · 苏志勋 · 张楠
Information Sciences 2023
通过在潜在表示上显式施加一致性和多样性约束，模型能更好地融合多视图的互补信息。
模型直接学习潜在表示，而不是像传统方法那样从每个视图构建亲和图。
在两个基准数据集上，聚类准确率分别比次优方法高出11.37%和4.01%。