基于多阶近邻约束的深度不完整多视图聚类方法OA北大核心CSTPCD
Deep incomplete multi-view clustering based on multi-order neighborhood constraint
多视图聚类是重要的无监督学习方法之一,然而在实际应用中很难获取完整的多视图数据,导致不完整多视图聚类问题.大多数已有的不完整多视图聚类方法只考虑了视图的属性信息,而忽视了数据结构信息对聚类的影响,使提取的特征不能充分表示原始数据的潜在结构.针对以上问题,提出一种基于多阶近邻约束的深度不完整多视图聚类方法.首先,利用具有自注意力机制的深度自编码器获取带有视图间信息交互的深层次隐含特征,并采用加权融合的方式获取视图的公共语义信息;然后,对于不完整多视…查看全部>>
Multi-view clustering is an important unsupervised learning method.However,in real applications,it is difficult to obtain complete multi-view data,which leads to incomplete multi-view clustering problem.Most of the existing incomplete multi-view clustering methods only consider the attribute information of views,but ignore the influence of structure information on clustering,resulting in extracted features cannot fully represent the latent structure of the o…查看全部>>
王梅;王伟东;刘勇;于源泽
东北石油大学计算机与信息技术学院,大庆,163318东北石油大学计算机与信息技术学院,大庆,163318中国人民大学高瓴人工智能学院,北京,100049东北石油大学计算机与信息技术学院,大庆,163318
计算机与自动化
不完整多视图聚类自注意力结构信息多阶近邻
incomplete multi-view clusteringself-attentionstructure informationmulti-order neighborhood
《南京大学学报（自然科学版）》 2024 (1)
大规模深度核学习的理论与算法研究
53-64,12
国家自然科学基金(51774090,62076234),黑龙江省博士后科研启动金资助项目(LBH-Q20080)
评论