自适应加权图融合的不完整多视图子空间聚类

文章是张培师姐的，在文杰论文（IMSC-AGL)上改进。

 想法框架：

方法：

移除不完整的实例后构造矩阵X{i}∈RR{di×ni}，先通过半非负矩阵分解学习矩阵的潜在表示（降维）：

为了进一步挖掘视图内的相似度结构和潜在的子空间结构，使用自表示特性在潜在表示V{i}上去构造图 ：

在获得了每个视图的图矩阵后，最终的目的就是合并多个不完整的信息于一个完整的 

定义一个指示矩阵来建立不完整图和完整图之间的关联性；

由于视图间的尺寸和维度大小不一样，引入自适应学习权重{αi}：

 另外引入稀疏项来融合噪声和outliers：

最终的模型： 

一共有四项：使用半非负矩阵分解获得潜在表示，用自表示实现图构造，自适应图融合和正则化。