本手法は、複数の視点からのデータを効率的に処理し、一段階でクラスタリング結果を得ることができる。圧縮部分空間を活用することで、大規模データに対しても高速に処理が可能である。
本論文では、多視点データにおける不確実性と不精確さを特徴付けるための新しい多視点エビデンス c-means クラスタリング手法を提案する。提案手法は、各オブジェクトが異なるクラスターに様々な支持度で所属できるようにし、オーバーラップ領域のオブジェクトをメタクラスターに割り当てることで、不確実性と不精確さを表現する。さらに、エントロピーベースの重み付けと低ランク制約を導入し、精度を向上させる。
アンカーグラフテンソルの非負値テンソル因子分解を用いることで、多視点データの補完的な情報と空間構造情報を包括的に活用し、解釈可能なクラスタリングを実現する。
提案手法は、各視点のグラフを一貫性のあるグラフと視点固有のグラフの組み合わせとしてモデル化し、テンソルベースの最適化問題を解くことで、多視点データの特徴を効果的に活用してクラスタリングを行う。