Deep Discriminative Multi-View Clustering

doi:10.1109/TCSVT.2025.3541928

Deep Discriminative Multi-View Clustering

2025-07-01

0

PRE

AI

DOI：10.1109/TCSVT.2025.3541928

原文链接

原文求助

摘要

En 中文

基于深度自编码器网络的多视图聚类近年来已引起越来越多的关注并取得了显著进展。然而，我们认为大多数现有方法在学习聚类分配时未能充分探索判别性，导致模型难以准确聚类数据，尤其是语义模糊的数据。为解决此问题，我们提出了一种新颖的框架，称为深度判别多视图聚类（DDMvC）。该框架旨在通过学习具有全局先验信息的判别投影字典来进一步增加簇间距离。首先，我们通过使用来自多视图拼接的全局特征导出的类别特定原型来初始化字典原子，以增强原子（atom）的可靠性。随后，我们迭代地优化原子，以确保其不依赖于任何特定簇。同时，我们为这些原子投影的聚类分配引入对比学习，力求获得跨视图一致的聚类结果。在基准多视图数据集上的实验结果表明，我们的框架实现了最先进的聚类性能。

Keyword:

Discriminability

dictionary learning

auto-encoder network

contrastive learning

multi-view clustering

Deep Discriminative Multi-View Clustering

摘要

期刊

机构