BriefGPT - AI 论文速递
·
高阶随机行走下分离式对比多视角聚类
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的不完整多视图对比聚类框架，通过优化潜在特征子空间和利用学习的特征向量及其子向量进行重建学习和一致性学习，有效避免了维度崩溃。同时，通过交叉视图预测机制恢复不完整数据，并使用最小条件熵丢弃不一致信息，进一步避免私有信息的影响。实验结果表明，该方法在5个公共数据集上实现了最先进的聚类结果。
🎯
关键要点
- 提出了一种新的不完整多视图对比聚类框架。
- 该框架直接优化潜在特征子空间。
- 利用学习的特征向量及其子向量进行重建学习和一致性学习。
- 有效避免了维度崩溃。
- 通过交叉视图预测机制恢复不完整数据。
- 采用最小条件熵丢弃不一致信息，避免私有信息的影响。
- 实验结果表明，该方法在5个公共数据集上实现了最先进的聚类结果。
🏷️
标签
➡️
