一种联合独立性准则和低秩张量的多视图子空间聚类方法

本发明公开了一种联合独立性准则和低秩张量的多视图子空间聚类方法。该方法首先将多视图数据的特征映射到再生核希尔伯特空间，在不显式估计随机变量的联合分布的情况下估计数据之间的依赖关系。然后使用低秩张量从不同的角度有效地处理和融合数据，对多视图数据的特征进行迭代，促进低秩表示并促进一致性学习。最后将迭代得到的投影矩阵相加，作为聚类算法的输入，实现多视图子空间聚类。该方法充分利用了多视图数据信息的多样性和一致性，不仅实现视图内的数据比对，更是进一步的补充了不同视图间的数据比对信息，同时利用Hilbert‑Schmidt独立性准则去除冗余信息，提高了聚类性能。