.png){kind=icon}
返回
Anchor-based fast balanced multi-view clustering
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.109357.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多视角聚类因其能够整合来自不同视角的互补信息而受到广泛关注。基于图的多视角聚类已成为近年来备受瞩目的研究领域，这主要归功于其在处理非凸数据集方面的优异性能。尽管取得了进展，但基于图的多视角聚类方法仍面临三大挑战：（1）由于图构建和谱分析导致的高计算复杂度；（2）对平衡簇大小关注不足，而平衡簇大小对于资源分配和负载均衡等实际应用至关重要；（3）依赖独立的后处理步骤（如k-means）对连续谱嵌入进行离散化，这会引入偏差。为解决这些问题，我们提出了一种快速且平衡的基于图的多视角聚类框架——Fast Balanced Multi-View Clustering（FBMVC）。FBMVC采用锚点和标签传播策略，在显著降低计算成本的同时保持性能。其自适应视角加权方案能自主优化视角特定权重以实现有效的多视角融合。该框架隐式地确保了平衡的聚类分布。特别地，FBMVC在其优化框架内获取离散的聚类标签，从而无需独立的后处理阶段。在六个基准数据集上的实验表明，FBMVC在聚类性能和计算效率方面均优于当前最先进的方法。
Keyword:
Anchor graph
Multi-view clustering
Balanced clustering
Unsupervised learning
Membership matrix
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
引用论文
暂无论文信息