MvDSCN:“多视图深度子空间聚类网络”论文的正式张量流实现 源码

数字视频广播网 :game_die: 用于“多视图深度子空间群集网络”的Tensorflow回购 (提交给TIP 2019 ) 概述 在这项工作中,我们通过以端到端的方式学习多视图自表示矩阵,提出了一种新颖的多视图深子空间聚类网络(MvDSCN)。 MvDSCN由两个子网组成,即分集网络(Dnet)和通用网络(Unet)。 在深度卷积自动编码器上建立潜在空间,并使用完全连接的层在潜在空间中学习自表示矩阵。 Dnet学习特定于视图的自表示矩阵,而Unet学习所有视图的公共自表示矩阵。 为了利用多视图表示的互补性,引入希尔伯特·施密特独立标准(HSIC)作为分集正则化,可以捕获非线性和高阶视图间关系。 由于不同的视图共享相同的标签空间,因此每个视图的自表示矩阵通过通用性正则化与公共视图对齐。 要求 张量流 科学的 麻木 斯克莱恩 蒙克雷斯 用法 通过发布结果进行测试: python main.py --t