聚类可分性更强
通过全局与局部相似性联合学习，并在多核空间中自动学习最优核组合，该模型有效提升聚类表示的信息量和判别能力。
彭冲 · Xingrong, Hou · 陈勇勇 · 康昭 · Chen, Chenglizhao Li Zhao · 71598779
Knowledge-Based Systems 2023
同时进行全局与局部相似性学习，增强类内相似性与类间可分性，从而提升聚类效果。
在增广核空间中学习因子矩阵，该空间是预定义核的凸组合且权重自动学习，从而找到最优核表达。
提出了乘性更新规则，并给出了理论收敛性保证，确保算法稳定。
聚类结构、表示因子矩阵和最优核的学习在统一模型中相互增强，产生更具信息量的表示。