增强张量Schatten P-范数的多视图子空间聚类方法

本发明公开了增强张量Schatten P‑范数的多视图子空间聚类方法，涉及多视图数据子空间聚类领域，本发明首先对噪声数据进行建模，通过同时考虑数据中拉普拉斯噪声(l1‑范数表示损失)和高斯噪声(l2，1‑范数表示损失)，有效地去除了数据中的噪声污染，得到更为干净的张量结构。随后，对去噪后的张量施加加权张量Schatten P‑范数，不仅更逼近张量的原始结构特征，还充分考虑到了不同奇异值对聚类性能的贡献。通过将张量去噪模型和加权张量Schatten P‑范数整合到统一框架中，不仅实现对复杂数据的有效分析，还对不同奇异值赋予不同的权重，从而突出数据中显著的结构特征。