捕捉跨视图不一致性
同时利用多视图的共性和不一致性，并联合多个局部结构来增强子空间表示学习。
Cai, Xiaosha · 黄栋 · Zhang, Guangyu · Wang, Changdong
Information Fusion 2023
同时将跨视图共性和不一致性纳入子空间表示学习，而现有方法通常只关注一致性。
提出视图一致分组效应，联合利用多视图的局部结构来正则化视图共性表示，并通过核范数低秩约束强化聚类结构。
将跨视图共性与不一致性、视图一致分组效应和低秩表示无缝融合到一个目标函数中，并通过交替优化算法求解，获得鲁棒的聚类结果。
在多种真实多视图数据集上的实验结果证实了该方法的优越性。