Common latent space identification for heterogeneous co-transfer clustering

با توسعه سریع تکنیک های جمع آوری، جمع آوری داده های مختلفی از حوزه های مختلف مانند تصاویر، فیلم ها، اسناد و غیره آسان است. چگونه این داده های ناهمگونی را گروه بندی می کنند، موضوع تحقیق می شود. تکنیک های سنتی به طور جداگانه این کارکردهای خوشه را اداره می کنند، این یک وظیفه برای یک دامنه است، بنابراین آنها تعاملات بین دامنه ها را نادیده می گیرند. در این مقاله، ما یک روش خوشه بندی همکاری انتقال داده شده برای مقابله با این وظایف جداگانه همراه با کمک از داده های همپوشانی که حاوی نمونه هایی است که در حوزه های مختلف ارائه شده اند. روش پیشنهادی متشکل از دو مرحله است، یکی از این ها یادگیری زیرمجموعه دامنه های مختلف است که مباحث عمومی غیرواقعی را بازتاب می دهد و از ساختار هندسی ذاتی برخوردار است؛ بعدی، به طور همزمان نمونه ها در همه حوزه ها را از طریق روش تقسیم بندی ماتریس غیر انتگرال متقارن، خوشه بندی می کند. مجموعه ای از آزمایشات بر روی مجموعه داده های دنیای واقعی نشان داد که عملکرد روش پیشنهادی بهتر از روش های پیشرفته است.