不完全多视图聚类中延迟激活的互补性和一致性平衡

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本研究提出了一种平衡互补性和一致性的框架,通过最小化条件熵和最大化不同视图之间的互信息来恢复不完整信息和增强一致性学习。实验证明了该方法的有效性。

🎯

关键要点

  • 本研究提出了一种平衡互补性和一致性的框架。
  • 该框架通过最小化条件熵和最大化不同视图之间的互信息来恢复不完整信息。
  • 研究设计了延迟激活的双网络以增强一致性学习。
  • 在四个公开数据集上进行了广泛比较实验。
  • 实验结果证明了CoCo-IMC方法的有效性。
➡️

继续阅读