文章摘要:近年来，多核图聚类（MKGC）受到了广泛的关注，得益于多核学习能有效地避免核函数与核参数的选择、图聚类能充分挖掘样本间的复杂结构信息。然而现有的方法存在着：图学习技术使得模型复杂化、图拉普拉斯矩阵难以保证学到的关系图包含精确的c个连通分量（块对角）、大部分方法忽略了候选关系图间的高阶结构信息，使得多核信息难以被充分利用等问题。针对以上问题，提出了一种新的多核聚类方法：首先提出一种新的上界单纯形投影图学习方法，直接将核矩阵投影到图单纯形上，降低了计算复杂度；同时，引入了一种新的块对角约束，使学到的关系图能保持精确的块对角属性；此外，在该投影空间中引入低秩张量学习，充分挖掘多个候选关系图的高阶结构信息。在多个数据集上与现有的多核图聚类方法相比，所提出方法计算量小、稳定性高，在ACC和NMI指标方面聚类性能具有较大的优势。

文章关键词:

项目基金: