高效多视图聚类
该模型利用低秩张量捕捉多视图间高阶相关性，并通过二分图学习大幅降低计算复杂度，适合大规模数据聚类。
古万荣 · Junlong, Guo · 王海燕 · Zhang, Guangyu · 张斌 · 陈佳洲 · 蔡宏民
IEEE Transactions on Emerging Topics in Computational Intelligence 2024
利用低秩张量Schatten p-范数捕获多视图间相似性，整合跨视图高阶信息，避免单视图或成对方法的不足。
通过二分图学习替代N×N图构建，降低张量操作的计算与空间复杂度，适合大规模场景。
在误差项上施加张量ℓ2,1范数稀疏惩罚，剔除噪声并保留共享信息，增强聚类鲁棒性。
目标函数通过一个时间经济且收敛性好的算法求解，保证优化效率。