《表3 3种KIMV在5个数据集上的NMI》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于核诱导的不完整多视角聚类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为研究拉普拉斯正则化和自适应视角加权机制是否给模型带来正面影响，本节在含有20%缺失数据情况下分别移除拉普拉斯正则化项（KIMV1）和自适应视角加权项（KIMV2）进行实验，表3给出3种情况下的NMI结果。通过观察表3可以看出，通过利用自适应视角加权项和拉普拉斯正则化项可以较大提高模型的鲁棒性，此外在多数数据集上拉普拉斯正则化的作用要大于自适应视角加权项。