An Adaptive Multi-View Clustering Framework Based on Conditional Entropy Optimization
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了一种新颖的多视角聚类框架CE-MVC,旨在解决现有方法在视角一致性和互补性量化方面的不足。该框架通过自适应加权和参数解耦深度模型,利用条件熵和归一化互信息,显著提升了聚类性能,尤其在噪声影响下表现出更好的鲁棒性和准确性。
🎯
关键要点
-
本研究提出了一种新颖的多视角聚类框架CE-MVC。
-
CE-MVC框架旨在解决现有方法在视角一致性和互补性量化方面的不足。
-
该框架采用自适应加权算法和参数解耦深度模型。
-
利用条件熵和归一化互信息显著提升了聚类性能。
-
在噪声影响下,CE-MVC表现出更好的鲁棒性和准确性。
🏷️