无配对多视角聚类的多层可靠引导
原文中文,约200字,阅读约需1分钟。发表于: 。我们提出了一种名为 MRG-UMC 的方法,该方法利用多级聚类来学习跨视图、内视图和公共视图的可靠聚类结构,减少聚类错误和不确定性。
该研究提出了一种基于不确定性的不完整多视图数据分类模型,通过构建分布来捕捉丢失视图的不确定性,并根据采样质量自适应利用它们来实现更明显的数据填充和可控融合。实验证明该方法在多个基准数据集上具有优越性能。
我们提出了一种名为 MRG-UMC 的方法,该方法利用多级聚类来学习跨视图、内视图和公共视图的可靠聚类结构,减少聚类错误和不确定性。
该研究提出了一种基于不确定性的不完整多视图数据分类模型,通过构建分布来捕捉丢失视图的不确定性,并根据采样质量自适应利用它们来实现更明显的数据填充和可控融合。实验证明该方法在多个基准数据集上具有优越性能。