Binary Multi-View Clustering（基于二进制的多视图聚类）

本篇论文是一篇关于二进制的多视聚类文章，用于处理大规模的多视数据集。

1、首先对多视数据进行哈希编码

本论文在第v个视图的数据中随机选取m个样本或者通过k-mean算法直接生成m个子簇中心$a_m^v$来表达这个视图的数据分布,然后计算$x_s^v$于$a_m^v$的核函数。

之后乘上对其进行降维，并通过sgn（）符号函数得到第v个视图的哈希矢量。

2、学习一个统一的哈希矢量

因为是多视图学习，所以一共有M个视角的哈希矢量$h_s^v$,从中学习一个统一的哈希矢量表达式$b_s$与与它们近似。

其中${\alpha }^v$表示的是第v个视图的权重。

公式中第三项的求方差的含义是让二值码的分布更均衡

3、进行聚类

整体的目标函数是：

之后对他们进行交替优化求解，论文中写的很详细。