LT
题目：Low-Rank Tensor Constrained MuLTiview Subspace Clustering
一. 准备LRR低秩子空间聚类 张量的展开 关于张量的展开有一个技巧： 对于一个三维张量，如果要按照n1n_1n1展开，就用n2和n3n_2和n_3n2和n3两个向量组成平面。将这个平面看成一把刀，去切三维的魔方。假设切出来了3块二维的魔方。现在，把每块二维魔方展开成一维魔方，将每块一维魔方看成行向量。再将三个行向量堆起来，就完成了按照n1n_1n1展开的三维张量。
二. 创新点首先将LRR算法由单视图拓展到了多视图，然后用张量展开的方式去全方位地控制表征矩阵的秩。
三. 过程目标函数： 其中： 就是将Z按照每一个维度张量展开，然后算出每个展开后的核范数，再加起来成为总的核范数。 将上面的目标函数写完整就是： 通过迭代得到每个视图的表征矩阵ZZZ以后，将他们对称化（因为谱聚类是基于图的矩阵，SijS_{ij}Sij表示iii到jjj的距离，它是等于jjj到iii的距离的，这样的话SSS矩阵就对称了），再全部加起来。 再将S丢到谱聚类中去进行最后的聚类。
LT