林毓秀1,2 刘慧1,2 于晓1,2 张彩明2,3
1（山东财经大学计算机与人工智能学院 济南 250014）
2（山东省数字媒体技术重点实验室（山东财经大学） 济南 250014）
3（山东大学软件学院 济南 250101）
论文简介
本文提出了一种新的面向子空间聚类的多视图统一表示学习网络（multi-view unified representationlearning network，MURLN）.在多视图特征提取方面，结合自注意力机制以及多视图学习的特点，提出基于Transformer的多视图共享编码框架学习每个视图的潜在表示，同时施加多样性约束以挖掘视图间的互补信息.编码框架以共享参数的形式进行训练，提高了模型的泛化能力.在多视图特征融合方面，考虑到同一个观测样本在不同视图中的不同聚类表现，将多视图融合的目标粒度从整个视图细化到视图内样本，提出一种样本加权的融合方法来从低维潜在空间中构建统一表示.通过迭代优化模型参数，自适应地学习视图中每个样本的合适权重。最后，为追求子空间表示的低秩性，设计基于加权Schatten-p范数[24]的正则化约束，提高自表示系数矩阵学习的质量。在多个公开数据集上的大量实验证明了所提方法的有效性和优越性。
