Anchor transfer learning-based multi-view subspace clustering

Lin Bai

doi:10.1016/j.neucom.2025.131827

Anchor transfer learning-based multi-view subspace clustering

2025-10-24

0

PRE

AI

DOI：10.1016/j.neucom.2025.131827

原文链接

原文求助

摘要

En 中文

基于锚点的多视角子空间聚类算法因其优越的计算效率而受到广泛关注。然而，现有方法在处理原始数据中的冗余噪声、不同视图间数据分布的差异以及视图域间的异质性时存在局限性。这些问题显著降低了锚点的质量。为解决这些挑战，本文提出了一种名为基于锚点迁移学习的多视角子空间聚类（ATMVC）的新型算法。ATMVC利用投影矩阵将原始数据映射到低秩子空间，该映射有助于提取信息性特征，同时最小化冗余和噪声的影响。采用双锚点策略以高效捕获跨视图的共识与互补信息，确保信息完整性。此外，受迁移学习启发，该算法在统一框架内引导两类锚点相互学习，有效减少视图域间差异带来的负面影响。因此，ATMVC通过提升锚点质量并利用视图间知识迁移，能够克服现有方法的局限性。与最先进方法的对比实验表明，所提方法在性能和效率方面均展现出综合优势。

Anchor transfer learning-based multi-view subspace clustering

摘要

期刊

机构

引用论文