Adaptive Anchor-Guided Representation Learning for Efficient Multi-View Subspace Clustering

Mengjiao Zhang

doi:10.1109/TIP.2025.3607587

Adaptive Anchor-Guided Representation Learning for Efficient Multi-View Subspace Clustering

2025-01-01

0

PRE

AI

M

Mengjiao Zhang

Xinwang Liu (Xinwang Liu)

DOI：10.1109/TIP.2025.3607587

原文链接

原文求助

摘要

En 中文

多视角子空间聚类（MVSC）通过有效聚合多个数据源来保证聚类性能。最近，各种基于锚点的变体被引入，以有效缓解MVSC的计算复杂度。尽管取得了令人满意的发展，但现有方法要么独立学习锚点矩阵及其锚点表示，要么学习一个共识锚点矩阵和统一的锚点表示，无法同时捕捉一致性和互补信息。此外，通过对锚点表示矩阵应用奇异值分解（SVD）来获取聚类结果的时间复杂度仍然较高。为解决上述问题，我们提出了一个自适应锚点引导表示学习的高效多视角子空间聚类（A2RL-EMVSC）框架，该框架整合了共识锚点学习、锚点引导表示学习和矩阵分解，以增强聚类性能和可扩展性。技术上，所提出的方法通过共识锚点引导学习视图特定的锚点表示矩阵，同时利用一致性和互补信息。此外，通过对视图特定的锚点表示矩阵进行矩阵分解，可以在线性时间复杂度内获得聚类结果。在十个具有挑战性的多视角数据集上的广泛实验表明，所提出的方法在聚类效果和优越性方面优于当前最先进的方法。

Keyword:

Subspace clustering

scalability

complementary information

consistency information

matrix factorization

Adaptive Anchor-Guided Representation Learning for Efficient Multi-View Subspace Clustering

摘要

期刊

机构

引用论文