稀疏表示一致性引导的多视图降维算法

现有基于图的多视图降维方法大多将构图和降维两个过程独立执行，因此构图的质量直接决定着降维的效果，然而构图是一个开放性的问题.为了缓解上述困难，提出了一种稀疏表示一致性引导的多视图降维算法(MDR＿SRC).首先，通过使不同视图下的样本保持公共的稀疏表示，挖掘了视图之间的一致性关系；其次，根据样本对稀疏表示系数的差异性指导构图，利用构建的图指导降维；然后将基于稀疏表示的构图与基于图的降维整合为一个优化问题，使构图与降维过程相互指导，从而实现图质量的动态提升；最后，设计了一种迭代地交替策略求解该优化问题.在4个公开数据集上的实验结果表明文中所提的方法优于现有的代表性多视图降维方法.