面向多视序列：乘积Grassmann流形子空间聚类方法的深度剖析与创新应用

一、引言

1.1研究背景与动机

在当今数字化时代，数据量呈爆炸式增长，且数据形式日益复杂多样。多视序列数据作为一种常见的数据类型，广泛存在于计算机视觉、医学影像、遥感等众多领域。例如，在计算机视觉中的多摄像头监控系统中，多个摄像头从不同角度同时拍摄同一区域，生成大量的多视视频序列数据；医学影像领域的磁共振成像（MRI）技术，会从不同方向对人体进行扫描，得到多视序列的医学图像数据。这些多视序列数据包含了丰富的信息，能够从多个角度对研究对象进行描述，为深入理解和分析对象提供了更全面的视角。

然而，多视序列数据的处理面临