Jintian Ji

新框架解决了多视图聚类中的周期性缺陷

研究人员发现，现有依赖快速傅里叶变换（FFT）的张量多视图聚类（TMC）框架存在一个关键缺陷。这种依赖引入了一个与样本排列相关的隐式“周期性假设”，当样本被随机置换时会导致性能下降。为了克服这一点，提出了一种使用图傅里叶变换（GFT）的新型图谱低秩张量学习框架。该方法用数据驱动的图谱基替换了固定的傅里叶基，捕捉内在流形结构而不依赖于样本排序。还引入了一种基于锚点的变体，用于高效处理大型数据集。