Cross-view alignment guided deep anchor multi-view clustering

doi:10.1016/j.patcog.2026.114430

Cross-view alignment guided deep anchor multi-view clustering

2026-07-01

0

PRE

AI

DOI：10.1016/j.patcog.2026.114430

原文链接

原文求助

摘要

En 中文

多视图聚类（MVC）旨在通过利用多个视图之间的一致性和互补性来揭示数据的内在结构。虽然锚图聚类通过使用少量代表性锚点来近似样本图以提升可扩展性，但现有的基于锚点的深度MVC方法通常选择类似质心的锚点，这可能导致在超维空间中无法捕捉高密度语义区域。此外，锚图通常为每个视图独立构建，导致视图间局部拓扑不一致和全局语义错位。此外，直接在特征空间中强制交叉视图一致性可能会干扰以重建为导向的嵌入学习，从而在聚类一致性和表示保真度之间产生权衡。为解决这些挑战，我们提出了CADA-MVC，一种交叉视图对齐引导的深度多视图锚聚类框架。CADA-MVC采用由潜在空间局部密度峰值引导的分层锚点选择策略，通过软匹配将视图特定的锚点结构与共识结构对齐，并通过分配空间中的软阈值对比目标促进交叉视图一致性——而无需对学习到的嵌入施加直接约束。在六个基准数据集上的实验表明，CADA-MVC在保持锚图近似计算效率的同时优于大多数代表性基线方法。

Keyword:

Unsupervised multi-view clustering

Deep learning

Anchor graph

Contrastive learning

Cross-view alignment guided deep anchor multi-view clustering

摘要

期刊

机构

引用论文