无插补和无对齐:通过共识语义学习驱动的不完整多视角聚类
📝
内容提要
本研究解决了不完整多视角聚类(IMVC)中由于缺失数据导致的原型偏移和视角间语义不一致的问题。提出了一种无插补和无对齐的IMVC框架(FreeCSL),通过学习共识原型来发现共享空间,将语义相似的观察拉近,从而改善聚类语义。实验结果表明,FreeCSL在IMVC任务上实现了比现有最先进技术更可靠和稳健的分配。
➡️
本研究解决了不完整多视角聚类(IMVC)中由于缺失数据导致的原型偏移和视角间语义不一致的问题。提出了一种无插补和无对齐的IMVC框架(FreeCSL),通过学习共识原型来发现共享空间,将语义相似的观察拉近,从而改善聚类语义。实验结果表明,FreeCSL在IMVC任务上实现了比现有最先进技术更可靠和稳健的分配。